Вытащить только последний элемент из тега в BeautifulSoup

Question

У меня есть скрипт, который просматривает несколько веб-страниц, но есть одна маленькая проблема, на которой я застрял.Я пытаюсь добавить автора в список, но мой скрипт извлекает последнего автора со страницы и применяет его к каждому полю автора.Как мне заставить мой сценарий применить каждого автора к соответствующему названию?Вот мой код

from urllib.request import urlopen
from bs4 import BeautifulSoup as soup
import json

base_url = "https://archive.org/details/librivoxaudio?&sort=titleSorter"

data = []
n = 5
for i in range(1, n+1):
   response = urlopen(base_url + "&page=" + str(i))
   page_html = response.read()
   response.close()

   #html parsing
   page_soup = soup(page_html, "html.parser")

   #grabs info for each book
   containers = page_soup.findAll("div",{"class":"item-ttl"})
   authors = page_soup.findAll("span",{"class":"byv"})

   for container in containers:
     item = {}
     item['type'] = "Public Domain Audiobook"
     item['title'] = container.text.lstrip().strip()
     for author in authors:
         item['author'] = author.text
     item['link'] = "https://archive.org/" + container.a["href"]
     item['source'] = "LibriVox"
     item['base_url'] = "https://librivox.org/"
     data.append(item) # add the item to the list

     with open("./json/librivoxTest.json", "w") as writeJSON:
       json.dump(data, writeJSON, ensure_ascii=False)

Вот пример выходных данных в JSON

{
"type": "Public Domain Audiobook",
"title": "A Book of Old English Ballads",
"author": "Charles Whibley",
"link": "https://archive.org//details/book_old_english_ballads_1007_librivox",
"source": "LibriVox",
"base_url": "https://librivox.org/"
}, {
"type": "Public Domain Audiobook",
"title": "A Book of Scoundrels",
"author": "Charles Whibley",
"link": "https://archive.org//details/scoundrels_1712_librivox",
"source": "LibriVox",
"base_url": "https://librivox.org/"
}

Последний автор подходит для «Книги негодяев», но «Книги древнеанглийскогоУ Баллады должен быть Джордж Уортон Эдвардс в качестве автора.

Answer 1

Полагаю, что приведенный ниже скрипт исправит возникшие проблемы.Я попытался сделать это немного организованным образом.

from urllib.request import urlopen
from bs4 import BeautifulSoup
from urllib.parse import urljoin
import json

urls = ["https://archive.org/details/librivoxaudio?&sort=titleSorter&page={}".format(page) for page in range(1,3)]

for link in urls:
    soup = BeautifulSoup(urlopen(link).read(), "html.parser")
    data = []
    for container in soup.select("div[data-id$='_librivox']"):
         item = {}
         item['type'] = "Public Domain Audiobook"
         item['title'] = container.select_one(".ttl").get_text(strip=True)
         item['author'] = container.select_one(".byv").get_text(strip=True) if container.select_one(".byv") else ""
         item['link'] = urljoin(link, container.select_one("a[title]")['href']) if container.select_one("a[title]") else ""
         item['source'] = "LibriVox"
         item['base_url'] = "https://librivox.org/"
         data.append(item)

    print(json.dumps(data,indent=4))

Вывод похож на:

[
    {
        "type": "Public Domain Audiobook",
        "title": "\"BOOH!\"",
        "author": "Eugene Field",
        "link": "https://archive.org/details/booh_1403.poem_librivox",
        "source": "LibriVox",
        "base_url": "https://librivox.org/"
    },
    {
        "type": "Public Domain Audiobook",
        "title": "\"You Bid Me Try\"",
        "author": "Henry Austin Dobson",
        "link": "https://archive.org/details/youbid_metry_1104_librivox",
        "source": "LibriVox",
        "base_url": "https://librivox.org/"
    },

Answer 2

for author in authors: item['author'] = author.text

Это проходит по всем авторам и устанавливает их как автора элемента.Последний автор будет установлен для элемента в конце.

Чтобы установить вместо него соответствующего автора, используйте генератор для авторов (authors_iterator = iter(authors), затем для элемента установите next(authors_iterator)) илииспользуйте enumerate для циклического перемещения по контейнерам и используйте его индекс для авторов.