BS4：Python 网页抓取中的属性错误

Question

我需要从这个网站中提取 link 商店所在城市的名称。我创建了这段代码：

def get_page_data(number):
    print('number:', number)

    url = 'https://www.biedronka.pl/pl/sklepy/lista,lat,52.25,lng,21,page,'.format(number)
    response = requests.get(url)
    soup = BeautifulSoup(response.content, 'html.parser')

    container = soup.find(class_='s-content shop-list-page')
    items = container.find_all(class_='shopListElement')

    dane = []
    for item in items:
        miasto = item.find(class_='h4').get_text(strip=True)
        adres = item.find(class_='shopFullAddress').get_text(strip=True)
        dane.append([adres])

    return dane

wszystkie_dane = []
for number in range(1, 2):
    dane_na_stronie = get_page_data(number)

    wszystkie_dane.extend(dane_na_stronie)

dane = pd.DataFrame(wszystkie_dane, columns=['miasto','adres'])

dane.to_csv('biedronki_lista.csv', index=False)

问题出现在：

   miasto = item.find(class_='h4').get_text(strip=True)
AttributeError: 'NoneType' object has no attribute 'get_text'

关于如何从此网站提取城市名称（在 h4 中）的任何想法？

Answer 1

尝试使用：

miasto = item.find('h4').text.split()[0]

或：

miasto = item.find('h4').get_text(strip=True)

注：

"h4" is a tag, not a class.

解释：

当你给.find('h4')时，它returns:

<h4 style="margin-bottom: 10px;">

                Rzeszów             <span class="shopFullAddress">ul.<span class="shopAddress"> </span></span>

当你给.text时，它returns:

'Rzeszów            \tul.'

当你给 .split() 时，它 returns:

['Rzeszów', 'ul.']

从这里我们得到了我们需要的东西。

因此，只要您在此代码中遇到错误，就执行此操作。

dane = []
    for item in items:
        miasto = item.find('h4').get_text(strip=True)
        adres = item.find('shopFullAddress').get_text(strip=True)
        dane.append([adres])

Answer 2

class_='h4' 是您将标签名称传递给 class 的属性，这是不正确的：

miasto = item.find('h4').get_text(strip=True)

BS4：Python 网页抓取中的属性错误

BS4: Attribute Error in Web Scraping with Python

python

beautifulsoup

attributeerror

web-scraping