如何在特定的<ul>类中找到所有<li>?</ul> </li>

时间:2013-06-22 03:05:56

标签: python python-2.7 beautifulsoup

环境:

美丽的汤4

Python 2.7.5

逻辑:

'find_all'<li><ul>范围内my_class类的实例,例如:

<ul class='my_class'>
<li>thing one</li>
<li>thing two</li>
</ul>

澄清:只需获取<li>标记之间的“文字”即可。

Python代码:

(下面的find_all不正确,我只是把它放在上下文中)

from bs4 import BeautifulSoup, Comment
import re

# open original file
fo = open('file.php', 'r')
# convert to string
fo_string = fo.read()
# close original file
fo.close()
# create beautiful soup object from fo_string
bs_fo_string = BeautifulSoup(fo_string, "lxml")
# get rid of html comments
my_comments = bs_fo_string.findAll(text=lambda text:isinstance(text, Comment))
[my_comment.extract() for my_comment in my_comments]

my_li_list = bs_fo_string.find_all('ul', 'my_class')

print my_li_list

2 个答案:

答案 0 :(得分:10)

此?

>>> html = """<ul class='my_class'>
... <li>thing one</li>
... <li>thing two</li>
... </ul>"""
>>> from bs4 import BeautifulSoup as BS
>>> soup = BS(html)
>>> for ultag in soup.find_all('ul', {'class': 'my_class'}):
...     for litag in ultag.find_all('li'):
...             print litag.text
... 
thing one
thing two

说明:

soup.find_all('ul', {'class': 'my_class'})找到ul类的所有my_class代码。

然后,我们会在这些li代码中找到所有ul代码,并打印代码的内容。

答案 1 :(得分:2)

这就是使用BeautifulSoup3的技巧,在这台机器上没有4个。

>>> [li.string for li in bs_fo_string.find('ul', {'class': 'my_class'}).findAll('li')]
[u'thing one', u'thing two']

我们的想法是首先搜索带有'my_class'类的ul,然后在那个ul中找到所有的li。

如果你有同一个类的额外ul,你可能也想在ul搜索上使用findAll,并将列表理解更改为嵌套。