BeautifulSoup没有找到父母

Question

我真的无法解决这个问题。我用BeautifulSoup解析了以下link，我做了这个：

soup.find(text='Title').find_parent('h3')

它没有找到任何东西。如果您查看链接页面的代码，您会看到包含单词h3的{​​{1}}标记。 确切的一点是：

Titles

如果我让BS解析上面的行，它就完美无缺。我也尝试过：

<h3 class="findSectionHeader"><a name="tt"></a>Titles</h3>

这两个都只在线上工作，但不适用于整个html。

如果我执行soup.find(text='Title').find_parents('h3') soup.find(text='Title').find_parent(class_='findSectionHeader') ，则可以使用整个html。

Answer 1

在findSectionHeader H3代码之前，文本中有另一个带有Title的标记：

>>> soup.find(text='Title').parent
<a href="/find?q=batman&amp;s=tt&amp;ref_=fn_tt">Title</a>

您需要在搜索中更具体，搜索Titles，然后循环以找到正确的搜索结果：

>>> soup.find(text='Titles').parent
<option value="tt">Titles</option>
>>> for elem in soup.find_all(text='Titles'):
...     parent_h3 = elem.find_parent('h3')
...     if parent_h3 is None:
...         continue
...     print parent_h3
... 
<h3 class="findSectionHeader"><a name="tt"></a>Titles</h3>

find(text='...')仅匹配完整文本，而不是部分匹配。如果您需要部分匹配，请使用正则表达式：

>>> import re
>>> soup.find_all(text='Title')
[u'Title']
>>> soup.find_all(text=re.compile('Title'))
[u'Titles', u'Titles', u'Titles', u'Title', u'Advanced Title Search']