0

Estou pegando essa classe no Beautifulsoup e preciso colher o título dentro do a que está dentro do h3

<article class="product_pod">
    <div class="image_container">
    <a href="catalogue/a-light-in-the-attic_1000/index.html"><img alt="A Light in the Attic" class="thumbnail" src="media/cache/2c/da/2cdad67c44b002e7ead0cc35693c0e8b.jpg"/></a>
    </div>
    <p class="star-rating Three">
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    </p>
    <h3><a href="catalogue/a-light-in-the-attic_1000/index.html" title="A Light in the Attic">A Light in the ...</a></h3>
    <div class="product_price">
    <p class="price_color">£51.77</p>
    <p class="instock availability">
    <i class="icon-ok"></i>

Eu já tentei pegar tanto buscando tanto pelo 'h3' quanto pelo 'a' mas parece que o primeiro registro de 'a' não tem o título e isso causa um none no resultado

eu já tentei

title = soup.find('a') e -> h3
print(title.get('title')

e

title = soup.find('a') e -> h3
print(title['title'])

e também quando eu dou .findAll no 'a' ele retorna apenas o href

1
  • Esse trecho em HTML é tudo o que foi tratado pelo soup? Lembre-se que soup.find('a') vai retornar o primeiro <a> que tiver.
    – sourcream
    17/03/2022 às 23:02

2 Respostas 2

-1

Para acessar o atributo title é necessário setar o parâmetro title do método find_all como True e extrair as informações da lista resultante.

Exemplo:

from bs4 import BeautifulSoup

html_doc = """<article class="product_pod">
    <div class="image_container">
    <a href="catalogue/a-light-in-the-attic_1000/index.html"><img alt="A Light in the Attic" class="thumbnail" src="media/cache/2c/da/2cdad67c44b002e7ead0cc35693c0e8b.jpg"/></a>
    </div>
    <p class="star-rating Three">
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    <i class="icon-star"></i>
    </p>
    <h3><a href="catalogue/a-light-in-the-attic_1000/index.html" title="A Light in the Attic">A Light in the ...</a></h3>
    <div class="product_price">
    <p class="price_color">£51.77</p>
    <p class="instock availability">
    <i class="icon-ok"></i>"""

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

Utilize o método find_all para capturar o texto que você deseja:

for r in soup.find_all("a", title=True):
    print(r['title'])

# A Light in the Attic
# ...
3
  • 2
    title não é uma tag, é um atributo. O resultado de find_all não é um vetor, mas uma lista. E se o objetivo é pegar o primeiro item da lista, bastaria o método find.
    – sourcream
    22/03/2022 às 19:41
  • @sourcream, muito obrigado pelas correções. Realmente me enganei chamando a tag title de atributo e também chamando uma lista de vetor... Sobre o find_all, pensei em colocar ele ao invês de find pois imaginei que ele precisaria pegar essas informações em mais de um local do html. 22/03/2022 às 20:44
  • 1
    Obrigado Matheus e sourcream, ajudaram bastante 24/03/2022 às 12:35
-1

Levando em consideração que tem n catalogos com a classe product_pod...

from collections import namedtuple

row = namedtuple('Row', 'title price')
catalog_list = soup.findAll('article', {'class': 'product_pod'})
[row(x.find('h3').find('a')['title'], 
     x.find('p', {'class': 'price_color'}).text
 ) for x in catalog_list
]

Coloquei o preço também, mas os outros deixei de lado por não ser explícito a forma que funciona.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .