使用Python进行Web Scraping：从SEC 10K HTML文件提取地址

• 你当前的代码获取了所有div元素，会返回大量无关内容，需要精准定位到包含目标地址的span标签。
• 查看目标页面的HTML结构，目标地址位于class为"mailer street"的span标签内，可直接用这个CSS选择器定位。

修正后的代码如下：

from requests_html import HTMLSession

# 创建会话并请求页面
s = HTMLSession()
r = s.get('https://www.sec.gov/Archives/edgar/data/1652044/000165204419000032/goog10-qq32019.htm')

# 精准定位目标span标签
address_element = r.html.find('span.mailer.street', first=True)

# 提取并输出地址（处理元素不存在的情况）
if address_element:
    target_address = address_element.text.strip()
    print(target_address)  # 输出：1600 Amphitheatre parkway
else:
    print("未找到目标地址")

• 关键说明：
  • 使用find()配合first=True直接获取第一个匹配元素（页面中该class的span仅一个）
  • strip()去除文本前后的空白字符
  • 增加判断逻辑，避免元素不存在时触发错误

内容的提问来源于stack exchange，提问作者Sushmitha Krishnan