如何使用Beautifulsoup在IMDB的演出中提取演员？

Question

我正在尝试使用BeautifulSoup提取办公室的演员列表来刮擦此IMDB页 https://www.imdb.com/title/tt0386676/fullcredits/?ref_=tt_ql_cl 。

actors = soup.findAll('table',{'cast_list'})

我将如何更改它，所以它只会给我演员的名字？ HTML的一个例子是：

<td> <a href="/name/nm0933988/?ref_=ttfc_fc_cl_t1"> Rainn Wilson </a> </td>

我只想提取文本“ Rainn Wilson”。

任何帮助都得到赞赏，这是我在这里的第一个问题，所以请对我轻松。

Answer 1

尝试以下操作：

import requests
from bs4 import BeautifulSoup

headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.15; rv:101.0) Gecko/20100101 Firefox/101.0"
}
url = "https://www.imdb.com/title/tt0386676/fullcredits/?ref_=tt_ql_cl"

actors = (
    BeautifulSoup(requests.get(url, headers=headers).text, "lxml")
    .find('table', class_='cast_list')
    .select_one("a img")["title"]
)
print(actors)

输出：

Rainn Wilson

Answer 2

您可以从该页面中获取所有参与者：

import requests
from bs4 import BeautifulSoup

url = "https://www.imdb.com/title/tt0386676/fullcredits/?ref_=tt_ql_cl"
req = requests.get(url)
soup = BeautifulSoup(req.content, "lxml")
table_actors = soup.find("table", class_="simpleCreditsTable")

for td_actor in table_actors.find_all("td", class_="name"):
    print(td_actor.a.get_text(strip=True))

首先找到持有演员的表，然后找到所有name ＆lt; td＆gt; Elements。对于每个元素，然后在下一个＆lt; a＆gt;标签中获取文本。

这将使您开始输出：

Paul Feig
Randall Einhorn
Ken Kwapis
Greg Daniels