<h3> <span></span> <span class='headline'>Headline #1</span></h3><table class='striped'></table><h4> <span class='headline'>Headline #2</span></h4><table class='striped'></table><p> <span class='headline'>Headline #3</span></p><ul></ul><center> <table class='striped'></table></center>這是我的結構。我正在枚舉表格標簽，并希望使用最接近我的表格的“標題”類檢索跨度標簽的文本值。通過“最近”我的意思是，如果你要展平 html，我想用一個類“標題”來定位跨度，如果你從表格的點開始，你會首先遇到它有時這些跨度嵌套在 h3、有時是 h4、有時是 ap 標簽中。有時 table 標簽與 h3/h4/p 處于同一級別，有時它本身嵌套在 center 標簽內。有時 h3/h4/p 標簽是表的直接兄弟，有時不是。如何使用 BeautifulSoup 查找最近的 span.headline，無論嵌套級別如何以及它是否嵌套在父級或兄弟級中？到目前為止我有這個代碼tables = soup.findAll("table", {"class": ["striped"]})for index, table in enumerate(tables): headline = table.find_previous('h3').("span", {"class" : ["headline"]}).text
1 回答
LEATH
TA貢獻1936條經驗 獲得超7個贊
我能夠find_previous在每個表上使用該方法來查找您提供的示例 html 的前一個標題。idx在檢查標題是否屬于該表時，我為每個表添加了一個附加屬性。我還在 html 的開頭和結尾添加了兩個沒有以前標題的表格。
html = '''
<table class='striped'></table>
<h3>
<span></span>
<span class='headline'>Headline #1</span>
</h3>
<table class='striped'></table>
<h4>
<span class='headline'>Headline #2</span>
</h4>
<table class='striped'></table>
<p>
<span class='headline'>Headline #3</span>
</p>
<ul></ul>
<center>
<table class='striped'></table>
</center>
<table class='striped'></table>
</div>
'''.replace('\n', '')
soup = BeautifulSoup(html, 'lxml')
table_query = ('table', {'class': 'striped'})
headline_query = ('span', {'class': 'headline'})
for idx, table in enumerate(soup.find_all(*table_query)):
table.attrs['idx'] = idx
previous_headline = table.find_previous(*headline_query)
if (previous_headline and
previous_headline.find_next(*table_query).attrs['idx'] == idx):
print(previous_headline.text)
else:
print('No headline found.')
輸出：
No headline found.
Headline #1
Headline #2
Headline #3
No headline found.
添加回答
舉報
0/150
提交
取消