Question

<th rowspan="3" style="background:#c0cfe4; width:7em">present</th>
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
<td>wir <strong class="selflink">machen</strong></td>
<th rowspan="3" style="background:#c0cfe4; width:7em">i</th>
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
<td>wir <strong class="selflink">machen</strong></td>
</tr>
<tr>
<td>du <a href="/wiki/machst" title="machst">machst</a></td>
<td>ihr <a href="/wiki/macht" title="macht">macht</a></td>
<td>du <a href="/wiki/machest" title="machest">machest</a></td>
<td>ihr <a href="/wiki/machet" title="machet">machet</a></td>
</tr>
<th colspan="6" style="background:#9999DF">future i</th>
</tr>
<tr>
<th rowspan="3" style="background:#ccccff">infinitive</th>
<td rowspan="3" colspan="2">machen werden</td>
<th rowspan="3" style="background:#ccccff">subjunctive i</th>
<td>ich werde machen</td>
<td>wir werden machen</td>
</tr>
<tr>
<td>du werdest machen</td>
<td>ihr werdet machen</td>
</tr>
<tr>
<td>er werde machen</td>
<td>sie werden machen</td>
</tr>

我正在尝试在第9行提取<td>du <a href="/wiki/machst" title="machst">machst</a></td>。当我使用soup.find_all("td" text="re.compile("^du))执行搜索时，我得到的是第24行的标记。这样做的正确方法是什么？

Answer 1

作为替代方法，您会得到next td，text以du开头：

print next(td for td in soup.find_all("td") if td.text.startswith('du'))

此外，您可以pass a function到find_all()：

def td_with_du(tag):
    return tag.name == 'td' and tag.text.startswith('du')

print soup.find_all(td_with_du)

演示：

>>> from bs4 import BeautifulSoup
>>> data = """
Your HTML code goes here
"""
>>> soup = BeautifulSoup(data)
>>> def td_with_du(tag):
...     return tag.name == 'td' and tag.text.startswith('du')
... 
>>> for td in soup.find_all(td_with_du):
...     print td.text
... 
du machst
du machest
du werdest machen

Answer 2

问题是您无法将标记与文本和嵌套标记匹配（请参阅How can I get text out of a <dt> tag with a <span> inside?），这就是您唯一的匹配是<td>du werdest machen</td>的原因。

当标签本身包含嵌套标签时，标签对象的string属性为None。但是，正如Martijn Pieters在上面的链接中所述，.text 包含所有嵌套标签中的所有字符串，这就是为什么

>>> a = soup.find_all('td')[0]
>>> a
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
>>> print(a.string)
None
>>> print(a.text)
ich mache
>>> b = soup.find_all('td', text=re.compile('^du'))[0]
>>> b
<td>du werdest machen</td>
>>> print(b.string)
du werdest machen
>>> print(b.text)
du werdest machen

对于解决此问题的方法，你可以看到alecxe的答案。

Answer 3

此解决方案假定您不仅限于对text="re.compile("^du)进行过滤。

虽然有多行文字以“du”开头，但您的数据中只有一行包含href="/wiki/machst"。因此，如果您对href属性进行过滤，则会获得“a”标记，如果您使用其中的父标记，则会获得您所追求的“td”标记：

soup.find(href="/wiki/machst").parent

如果您需要使用find_all，而不是find：

for a in soup.find_all(href="/wiki/machst"):
    print a.parent

如果由于某种原因无法使用此解决方案，那么如果您能够澄清您正在运营的要求和限制将会有所帮助。

美丽的汤，按标签的内容搜索与标签

3 个答案: