Question

与BeautifulSoup和Python有轻微问题。

我试图隔离

中的标题

 < a href="">TITLE<?/a>

我使用的代码是：

for box in soup ('div', {'class': 'box'}):
    for a in box.findnext('a'):
       print a

这完全有效，但有一个div导致问题。通常的一个是：

<div class='box'>

尴尬的是：

<div class='box sponsored'>

我如何只选择第一个方框而不是选择方框？

由于

Answer 1

BeautifulSoup有special handling for the class attribute：

请记住，单个标记的“类”可以有多个值属性。当您搜索与某个CSS类匹配的标记时，你正在匹配任何CSS类。

使用单个BeautifulSoup类强制div查看box元素的一种方法是使用以下CSS selector：

soup.select('div[class=box]')

演示：

>>> from bs4 import BeautifulSoup
>>> 
>>> data = """
... <div class='box'>
...     test1
... </div>
... <div class='box sponsored'>
...     test2
... </div>
... """
>>> 
>>> soup = BeautifulSoup(data, 'html')
>>> 
>>> for div in soup.select('div[class=box]'):
...     print div.text.strip()
... 
test1

在美丽的汤中隔离div

1 个答案: