如何基于class标签文本提取对应房屋属性值？

问题场景 #

爬取多套房屋信息时，每套房屋的字段不统一，直接提取属性值会导致结果结构不一致。需要基于dc_label标签匹配对应属性值，缺失字段设为空，保证数据一致性。

示例代码：

property_info = section_content.find_all('div',{'class':'dc_blocks_2c'})
property_info

输出内容：

<div class="dc_blocks_2c">
 <div class="dc_label">Bedrooms:</div>
 <div class="dc_value">9 Bedroom(s)</div>
 </div>,
 <div class="dc_blocks_2c">
 <div class="dc_label">Baths:</div>
 <div class="dc_value">10 Full  &amp; 4 Half Bath(s)</div>
 </div>,
 <div class="dc_blocks_2c">
 <div class="dc_label">Garage(s):</div>
 <div class="dc_value">4 / Attached</div>
 </div>,
 <div class="dc_blocks_2c">
 <div class="dc_label">Stories:</div>
 <div class="dc_value">2</div>
 </div>,
...

实现方案 #

核心思路 #

将每个房屋的属性转换为字典，通过标签文本匹配对应值，最后从字典中提取固定字段，缺失字段自动设为空字符串。

代码实现 #

# 初始化空字典存储当前房屋属性
property_dict = {}

# 遍历每个属性块
for block in property_info:
    label_elem = block.find('div', class_='dc_label')
    value_elem = block.find('div', class_='dc_value')
    if label_elem and value_elem:
        # 清理标签文本，去除冒号和首尾空格
        clean_label = label_elem.text.strip().rstrip(':')
        # 清理属性值文本
        clean_value = value_elem.text.strip()
        property_dict[clean_label] = clean_value

# 提取固定字段，缺失则返回空字符串
bedroom_num = property_dict.get('Bedrooms', '')
garage_num = property_dict.get('Garage(s)', '')
bath_num = property_dict.get('Baths', '')
stories = property_dict.get('Stories', '')

# 整理为统一结构的字典，方便后续存储或处理
house_data = {
    'bedrooms': bedroom_num,
    'baths': bath_num,
    'garages': garage_num,
    'stories': stories
}

关键说明 #

• 文本清理：用strip()去除首尾空格，rstrip(':')去掉标签末尾的冒号，避免因格式差异导致匹配失败；
• 安全取值：字典的get()方法可以在字段不存在时返回默认值（空字符串），保证每套房屋的结果结构一致；
• 统一结构：最终的house_data字典键名固定，无论原始数据是否缺失字段，输出结构完全一致。

内容的提问来源于stack exchange，提问作者Josh