无法提取日期值从网站与Python和美丽的汤

Question

我想从一个网站上提取日期。我想知道新闻文章发表的日期/时间。这是我的代码：

从bs4导入组导入请求

url = "http://buchholterberg.ch/de/Gemeinde/Information/News/Newsmeldung?filterCategory=22&newsid=911"
response = requests.get(url)
soup = BeautifulSoup(response.content, 'html.parser')


date_tag = 'div#middle p' # this gives me all the paragraphs
date = soup.select(date_tag)
print(date)

您也可以尝试使用此网站：

url = 'http://www.embrach.ch/de/aktuell/aktuellesinformationen/?action=showinfo&info_id=1098080'

请查看url，这是我想浏览的网站，我想获取的日期/时间是：13:05:28 26.11。2020年

这是我的css选择器，它只给我段落，但日期/时间不在段落中，而是在字体标记中。

date_tag = 'div#middle p'

但当我将css选择器设置为：

date_tag = 'div#middle font'

我得到[]

是否可以提取不在任何子标记中的数据？

Answer 1

您还必须提取整个文本，因为它们都是相同的元素。但是你可以做的是取这个元素，因为它基本上是一样的，除了几分钟，我认为这并不重要。如果您在选择h1元素方面需要帮助，请告诉我

Answer 2

如果抓取这些元素，您会注意到date是的下一个同级节点

代码：

import requests
from bs4 import BeautifulSoup

url = "http://buchholterberg.ch/de/Gemeinde/Information/News/Newsmeldung?filterCategory=22&newsid=911"
response = requests.get(url)
soup = BeautifulSoup(response.content, 'html.parser')

date = soup.find_all('div',{'id':'middle'})
print(date)

for each in date:
    print(each.find('h1').nextSibling.split(':',1)[-1].strip())

输出：

13:05:28 26.11.2020