使用 python 抓取网页

我有以下网页

</div><a href="https://www.emag.ro/laptop-lenovo-thinkbook-15-iil-cu-procesor-intel-core-i7-1065g7-pana-la-3-90-ghz-15-6-full-hd-16gb-512gb-ssd-intel-iris-plus-graphics-free-dos-mineral-grey-20sm003jrm/pd/DKBK1TMBM/#reviews-section" rel="nofollow" class="star-rating-container js-product-url" data-zone="reviews"><div class="star-rating star-rating-read rated-4.02  star-rating-sm  ">
        <div class="star-rating-inner " style="width: 100%"></div>
    </div><div class="star-rating-text ">

我想从此产品中提取评级。 对于此产品，评级在此处定义。

<div class="star-rating star-rating-read rated-4.02  star-rating-sm  ">

并且我无法提取 4.02。

我的代码如下所示：

rating = container.find_all(class_="star-rating star-rating-read rated")[0].text

我知道上面的代码不行，我能够提取价格和产品名称，但我无法提取评级:(

问题在于你尝试使用 .text 从一个没有直接文本内容的标签中提取文本。 rated-4.02 实际上是 class 属性的一部分，而不是标签内的文本。

这里是如何提取评分的修正后的代码：

from bs4 import BeautifulSoup

html = """
</div><a href="https://www.emag.ro/laptop-lenovo-thinkbook-15-iil-cu-procesor-intel-core-i7-1065g7-pana-la-3-90-ghz-15-6-full-hd-16gb-512gb-ssd-intel-iris-plus-graphics-free-dos-mineral-grey-20sm003jrm/pd/DKBK1TMBM/#reviews-section" rel="nofollow" class="star-rating-container js-product-url" data-zone="reviews"><div class="star-rating star-rating-read rated-4.02  star-rating-sm  ">
        <div class="star-rating-inner " style="width: 100%"></div>
    </div><div class="star-rating-text ">
"""

soup = BeautifulSoup(html, 'html.parser')

# 使用 find() 方法找到包含评分的 div 元素
rating_div = soup.find('div', class_='star-rating')

# 从 class 属性中提取评分
rating = rating_div['class']

# 找到包含 "rated-" 的类并从中提取评分
for c in rating:
  if 'rated-' in c:
    rating = c.split('-')[1]
    break

print(rating)  # 输出: 4.02

这个代码会：

1. 使用 BeautifulSoup 解析 HTML。
2. 使用 find() 方法找到包含评分的 div 元素。
3. 获取 div 元素的所有 class 属性。
4. 迭代所有 class 属性，找到包含 "rated-" 的那个。
5. 使用字符串分割从找到的 class 属性中提取评分。

这样你就可以成功地从 HTML 中提取评分 4.02 了。