※ 引述《ahahahahah (あああああ)》之铭言： : 嫩嫩爬虫新手 : 请问一下各位大大 : 爬虫ptt如何抓下内文，我只想要爬内文就好，不要推文..... : http://i.imgur.com/BeEIMBc.jpg : （不好意思借用一下隔壁软体板） : 我用chrome检查工具 : 发现内文包含在id="main-content"里面 : 更下面的tag有作者、标题、推文等.... : 但是似乎没有单独内文的tag : 我用suop.select('#main-content')[0].text : 但是抓下的是包含作者标题推文等一大串内容.....囧 : 请问要如何处理这个问题？ : 谢谢～ http://imgur.com/a/YBwYF 要在这底下找 才会有东西 自己参考一下CODE吧 不过这2015写的 不知道後面有没有改过 自己参考一下吧 之前的PTT GS版的CODE res = requests.get('https://webptt.com/cn.aspx?n=bbs/Gamesale/M.1437629857.A.0DD.html') soup = BeautifulSoup(res.text,"html.parser") f = open("D:/Ptt_data/Gamesale_word.csv","w") w = csv.writer(f) w.writerow([u'作者', u'日期', u'标题', u'价格']) main_content = soup.find(id="main-content") metas = main_content.select('div.article-metaline') #print(metas) #这边是印出文章内页的文章名称跟一些资讯 目前不需要 filtered = [ v for v in main_content.stripped_strings if v[0] not in [u'※', u'◆'] and v[:2] not in [u'--'] ] #filtered = [_f for _f in filtered if _f] content = ' '.join(filtered) content = re.sub(r'(\s)+', '', content ) #print(content) number_start = content.index(u'价') number_end = content.index(u'地') author = metas[0].select('span.article-meta-value')[0].string title = metas[1].select('span.article-meta-value')[0].string date = metas[2].select('span.article-meta-value')[0].string price = content[number_start+3 : number_end-1] data = [ [author, date, title, price]] #这里要注意一下存的格() [] w.writerows(data) f.close() print() print("It's done.") print() --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.248.151.246 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1484321622.A.951.html ※ 编辑: MOONY135 (111.248.151.246), 01/13/2017 23:37:24