为什么 Beautiful Soup 无法显示所有表中的数据？

Question

一周前我尝试抓取维基百科页面。但我无法弄清楚为什么 Beautiful Soup 只会显示表列中的一些字符串，而其他表列则显示“无”。

注意：表列均包含数据。

我的程序将提取带有标签“description”的所有表列。我正在尝试从表中提取所有描述。

我正在抓取的网站是： http://en.wikipedia.org/wiki/Supernatural_(season_6< /a>）

这是我的代码：

from BeautifulSoup import BeautifulSoup 
import urllib
import sys
from urllib import FancyURLopener

class MyOpener(FancyURLopener):
    version = 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/534.24 (KHTML, like Gecko) Chrome/11.0.696.65 Safari/534.24'


def printList(rowList):
    for row in rowList:
        print row
        print '\n'

    return

url = "http://en.wikipedia.org/wiki/Supernatural_(season_6)"

#f = urllib.urlopen(url)
#content = f.read()
#f.close

myopener = MyOpener()
page = myopener.open(url)
content = page.read()
page.close()

soup = BeautifulSoup(''.join(content))
soup.prettify()

movieList = []

rowListTitle = soup.findAll('tr', 'vevent')
print len(rowListTitle)

#printList(rowListTitle)
for row in rowListTitle:
    col = row.next # explain this?
    if col != 'None':
        col = col.findNext("b")
        movieTitle = col.string
        movieTuple = (movieTitle,'')
        movieList.append(movieTuple)

#printList(movieList)

for row in movieList:
    print row[0]

rowListDescription = soup.findAll('td' , 'description')
print len(rowListDescription)


index = 1;
while ( index < len(rowListDescription) ):
    description = rowListDescription[index]
    print description
    print description.string
    str = description
    print '####################################'
    movieList[index - 1] = (movieList[index - 1][0],description)
    index = index + 1

我没有粘贴输出，因为它真的很长，但输出确实很奇怪，因为它确实设法捕获 中的信息，但是当我做一个.string，它给了我一个空内容。

Answer 1

所有描述字符串都为空吗？从文档中：

为方便起见，如果标签只有一个子节点，并且该子节点是字符串，则该子节点将作为 tag.string 以及 tag.contents[0] 提供。

在这种情况下，描述通常具有子节点，即：指向另一篇维基百科文章的 链接。这算作一个非字符串子节点，在这种情况下，描述节点的string设置为None。