使用BeautifulSoup按条件从含重复元素的HTML提取球员与国籍数据

问题原因 #

原代码全局抓取所有带href的元素和所有flaggenrahmen类元素直接zip匹配，没有按行绑定单条球员数据，既会被球队链接等无关href干扰匹配关系，也没有处理同一名球员下多个国籍标签的跳过逻辑，导致对应关系错乱。

解决代码 #

from bs4 import BeautifulSoup
from collections import defaultdict

player_dict = defaultdict(list)
soup = BeautifulSoup(html, 'html.parser')
# 遍历每一行球员数据
for player_tr in soup.select('tbody tr'):
    # 提取当前行的球员姓名
    name_tag = player_tr.select_one('.spielprofil_tooltip')
    if not name_tag:
        continue
    player_name = name_tag.get_text(strip=True)
    # 提取当前行第一个国籍标签，后续重复的自动忽略
    nation_tag = player_tr.select_one('.flaggenrahmen')
    if nation_tag:
        player_dict[player_name].append(nation_tag['alt'])

# 转成普通字典输出和预期格式一致
print(dict(player_dict))

运行输出 #

{'Trent Alexander-Arnold': ['England'], 'Achraf Hakimi': ['Morocco'], 'João Cancelo': ['Portugal'], 'Reece James': ['England']}

内容的提问来源于stack exchange，提问作者me.limes