使用bs4提取Airbnb房东入驻时长异常的问题排查

问题原因 #

你使用的l7n4lsf atm_9s_1o8liyq_keqd55 dir dir-ltr这个class并非唯一，页面中多个<li>元素都使用了该class，soup.find()会返回页面中第一个匹配的元素，也就是房源基础信息（客容量、户型等）对应的<li>，所以拿到了错误结果。

修复方案 #

方案1：通过父元素层级定位 #

利用入驻时长所在的父级<ol>的class精准定位，再获取内部的<li>文本：

# 先定位到包含入驻时长的ol容器
hosting_ol = soup.find('ol', class_='lgx66tx atm_gi_idpfg4 atm_l8_idpfg4 dir dir-ltr')
if hosting_ol:
    account_active_since = hosting_ol.find('li').get_text(strip=True)
else:
    account_active_since = "未获取到房东入驻时长"

方案2：通过文本特征筛选 #

因为入驻时长的文本格式固定为X years hosting，可以先获取所有匹配class的<li>，再筛选包含hosting关键词的元素：

# 获取所有目标class的li元素
target_li_list = soup.find_all('li', class_='l7n4lsf atm_9s_1o8liyq_keqd55 dir dir-ltr')
account_active_since = "未获取到房东入驻时长"
# 遍历筛选带hosting的文本
for li in target_li_list:
    li_text = li.get_text(strip=True)
    if 'hosting' in li_text:
        account_active_since = li_text
        break

额外建议 #

Airbnb的页面class（如atm_*前缀的）是动态生成的，可能随时变更，更稳定的方式是结合Selenium的等待机制，确保目标元素加载完成后再解析：

from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC

# 等待目标li元素加载（用文本包含hosting作为条件）
wait = WebDriverWait(driver, 10)
hosting_element = wait.until(EC.presence_of_element_located((By.XPATH, "//li[contains(text(), 'hosting')]")))
account_active_since = hosting_element.text.strip()

内容的提问来源于stack exchange，提问作者bSmall