在连续2个跨度后Web抓取文本元素

问题描述

如何在嵌套跨度之后提取后面的文本？特别，我正在尝试通过网络抓取读取2007-05-02的文本元素

<td style="width: 33%"><span class="label">Start Date<span class="info-tip startdatetip">*</span>:</span> 2007-05-02</td>

我的代码给我一个AttributeError：'nonetype'对象没有属性'next_sibling'

    from bs4 import BeautifulSoup
    import urllib.request
    import csv

    source = urllib.request.urlopen('https://www.clinicaltrialsregister.eu/ctr-search/search? 
    query=&page=1').read()
    soup = BeautifulSoup(source,'lxml')
    Start_date=soup.find('span',{'class':'label'},text = 'Start Date').next_sibling
    print(Start_date)

或者，我尝试了下面的代码，该代码没有任何参考

Start_date=soup.find('span',{'class':'info-tip startdatetip'}).next_sibling.next_sibling
print(Start_date)

解决方法

您可以在stripped_strings上使用td

from bs4 import BeautifulSoup
import requests
import csv

source = requests.get('https://www.clinicaltrialsregister.eu/ctr-search/search?query=&page=1',verify=False)
soup = BeautifulSoup(source.text,'lxml')
table = soup.find("div",class_="results grid_8plus")
first_table = table.find_all("table",class_="result")[0]
start_date = list(first_table.find("tr").find_all("td")[-1].stripped_strings)[-1]
print(start_date)

输出：

2007-05-02

通过使用next_sibling

start_date = first_table.find("tr").find_all("td")[-1].find("span").next_sibling.strip()
print(start_date)

beautifulsoup python