我需要提取的数据可以在不同的标题下找到。
这是我到目前为止：
from BeautifulSoup import BeautifulSoup
ecj_data = open("data\ecj_1.html",'r').read()
soup = BeautifulSoup(ecj_data)
celex = soup.find('h1')
auth_lang = soup('ul', limit=14)[13].li
procedure = soup('ul', limit=20)[17].li
print "Celex number:", celex.renderContents(),
print "Authentic language:", auth_lang
print "Type of procedure:", procedure
我将所有数据存储在本地，这就是它打开文件ecj_1.html的原因。
Celex数字和Authentic语言有点好用。
celex回归
"Celex number:
61977J0059"
auth_lang返回"Authentic language:
French"
我只需要h1标签的内容(不是最后的中断)。
[另外，我需要auth_lang只返回“法语”，而不是
-tags。] 这不再是问题了。 我意识到我可以在“auth_lang”的末尾添加“.text”。
另一方面，程序返回：
Type of procedure:
Type of procedure:
Reference for a preliminary ruling
这是非常错误的，因为我只需要它返回“参考初步裁决”。
有什么办法可以实现吗？
第二次编辑：我用celex = soup('h1', limit=2)[0]替换了celex = soup.find('h1') ，并将.text添加到print celex中。
