Python嵌套标签爬取问题：二手车网站价格与车型提取

原代码问题分析 #

你编写的get_basic_info函数存在两处问题：

1. 语法错误：append语句缺少闭合括号，运行会直接报错
2. 逻辑错误：find_all的参数传入逻辑混乱，不需要嵌套调用item.find_all

修正后的提取方案 #

结合提供的HTML结构，我们可以直接定位span.price提取价格，再通过h5标签的剩余文本提取车型名称。

完整代码示例 #

from requests import get
from bs4 import BeautifulSoup

# 补充请求头避免被反爬
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"
}

def get_basic_info(content_list):
    basic_info = []
    for item in content_list:
        # 提取价格：定位span.price标签并获取文本
        price_tag = item.find("span", {"class": "price"})
        price = price_tag.get_text(strip=True) if price_tag else "无价格"
        
        # 提取车型：移除价格文本后，获取剩余的有效内容
        model = item.get_text(strip=True).replace(price, "").strip()
        
        basic_info.append({
            "价格": price,
            "车型": model
        })
    return basic_info

# 爬取1-17页（range左闭右开，18为终止值实际到17页）
for page in range(1, 18):
    base_url = f"https://www.easycar.tw/carList.php?Action=search&show=col&lifting=desc&year=&year1=&page={page}"
    response = get(base_url, headers=headers)
    response.encoding = "utf-8"  # 强制指定编码，避免中文乱码
    html_soup = BeautifulSoup(response.text, 'html.parser')
    content_list = html_soup.find_all(attrs={"class": "caption"})
    
    # 提取并打印单页车辆信息
    car_info = get_basic_info(content_list)
    for info in car_info:
        print(f"价格: {info['价格']}")
        print(f"车型: {info['车型']}")
        print("---")

代码说明 #

1. 价格提取：用find精准定位单个价格标签，get_text(strip=True)自动去除文本首尾的空白字符
2. 车型提取：先获取h5标签的全部文本，再通过替换价格内容，得到纯车型名称
3. 优化了URL拼接方式，使用f-string更简洁易读；添加编码设置解决中文乱码问题

输出示例 #

价格: 59.8 萬
车型: TOYOTA ALTIS
---
价格: 32.8 萬
车型: 2011 SUBARU FORESTER
---
价格: 108.8 萬
车型: 2017 LEXUS ES
---

内容的提问来源于stack exchange，提问作者Henry Liu