美しいスープのfindAllは、コードが

Question

私はウェブサイトを解析し、BeautifulSoup.findAllといくつかの情報を取得しようとしているが、それはそれらすべてを見つけることができません..私はのpython3

を使用しているすべてのそれらを見つけることができませんでしたこの

#!/usr/bin/python3 

from bs4 import BeautifulSoup 
from urllib.request import urlopen 

page = urlopen ("http://mangafox.me/directory/") 
# print (page.read()) 
soup = BeautifulSoup (page.read()) 

manga_img = soup.findAll ('a', {'class' : 'manga_img'}, limit=None) 

for manga in manga_img: 
    print (manga['href']) 

それだけ

Answer 1

異なるHTMLパーサは壊れたHTMLとは異なる対処する...それらの半分を出力します。このページには、壊れたHTMLを提供し、lxmlパーサはそれを非常にうまく対処されていません。

>>> import requests 
>>> from bs4 import BeautifulSoup 
>>> r = requests.get('http://mangafox.me/directory/') 
>>> soup = BeautifulSoup(r.text, 'lxml') 
>>> len(soup.findAll('a', {'class' : 'manga_img'})) 
18 

標準ライブラリhtml.parserは、この特定のページで以下のトラブルがあります

>>> soup = BeautifulSoup(r.text, 'html.parser') 
>>> len(soup.findAll('a', {'class' : 'manga_img'})) 
44 

あなたの特定のコードにそれを翻訳しますサンプルでurllibを使用すると、パーサーを指定します。

soup = BeautifulSoup(page.read(), 'html.parser')