我正在从html文件中提取一些信息 . 但是有些文件没有返回的标签 <p class="p p1"> date </p>
AttributeError: 'NoneType' object has no attribute 'strip'
并且某些文件中的日期不在标记内 . 我发现一个是:
<time content="2005-11-11T19:09:08Z" itemprop="datePublished">
Nov. 11, 2005 2:09 PM ET
</time>
我该如何解决这两个问题?
我的代码:
month_list = ['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October','November', 'December', 'Jan', 'Feb', 'Aug', 'Oct', 'Dec']
def first_date_p():
for p in soup.find_all('p', {"class": "p p1"}):
for month in month_list:
if month in p.get_text():
first_date_p = p.get_text()
date_start = first_date_p.index(month)
date_text = first_date_p[date_start:]
return date_text
else:
#if the tag exist, but do not have date.
month = 'No Date/Error'
return month.strip()
1 回答
如果要确保所选'p'标记始终包含某些文本,可以将
text
参数设置为True
,即:否则,如果你想得到所有'p',即使它们不包含任何文本,你也可以将
None
变成字符串,例如:至于你的第二个问题,你可以选择'time'标签的'content'属性,例如: