如何用BeautifulSoup更高效提取Lipidmaps中离子的m/z与分子式？

你不需要将option标签转为字符串再用strip处理，BeautifulSoup直接支持读取标签的自定义data属性，这是更简洁可靠的方法。以下是优化后的实现代码：

from bs4 import BeautifulSoup
import requests

# 请求并解析页面
url = "https://www.lipidmaps.org/databases/lmsd/LMFA08040013"
response = requests.get(url)
soup = BeautifulSoup(response.text, "html.parser")

# 遍历所有option标签提取数据
ion_data_list = []
for option in soup.find_all('option'):
    # 提取离子形式（自动去除前后空白）
    ion = option.get_text(strip=True)
    # 提取分子式（直接读取结构化属性）
    ion_formula = option.get('data-formula')
    # 提取m/z值（直接读取结构化属性）
    m_z = option.get('data-mass-z-ratio')
    
    # 过滤无效数据
    if all([ion, ion_formula, m_z]):
        ion_data_list.append({
            'ion': ion,
            'ion_formula': ion_formula,
            'm_z': m_z
        })

# 打印示例结果
for data in ion_data_list:
    print(f"m_z = {data['m_z']}")
    print(f"ion-formula = {data['ion_formula']}")
    print(f"ion = {data['ion']}\n")

核心优化点： #

• option.get_text(strip=True)：直接获取标签内文本并自动清理空白，替代手动字符串处理
• option.get('data-formula')：读取页面原生存储的结构化分子式数据，比解析HTML字符串更准确
• option.get('data-mass-z-ratio')：直接读取m/z的结构化数值，无需额外解析操作

示例输出： #

m_z = 300.2897
ion-formula = C18H38NO2
ion = [M+H]+

内容的提问来源于stack exchange，提问作者Nima Hojat