Question

这是我的情况，我正在使用此代码抓取这个html，但我没有找到如何将第一部分与第二部分分开。我只想刮掉第一部分，然后分开第二部分。使用beautifulsoup4

不介意myData（链接），是urlopen和html读取功能。

html

<div id="first_content" class="header">
    <div class="list">
        <div class="row">
            <a name="03049302"></a>
            <div class="col-xs-12 drop-panel-content">
                <p>
                    first section first text. </p>
            </div>
            <div class="drop-panel drop-panel-one-row-height">
                <p class="text-center">Edit</p>
                <p class="text-center">Share</p>
            </div>
        </div>
        <div class="row">
            <a name="03049303"></a>
            <div class="col-xs-12 drop-panel-content">
                <p>

                    first section second text. </p>
            </div>
            <div class="drop-panel drop-panel-one-row-height">
                <p class="text-center">Edit</p>
                <p class="text-center">Share</p>
                <section id="second_content">
                    <a name="aname" class="btn-collapse collapsed" data-toggle="collapse" data-target="#aname">
                        <h3>A Name</h3>
                    </a>
                    <div class="collapse flush-width flush-down" id="aname">
                        <div class="list">
                            <div class="row">
                                <a name="03049304"></a>
                                <div class="col-xs-12 drop-panel-content">
                                    <p>

                                        second section first text. </p>
                                </div>
                                <div class="drop-panel drop-panel-one-row-height">
                                    <p class="text-center">Edit</p>
                                    <p class="text-center">Share</p>
                              </div>

这是代码：

try:
    all_data = myData(link).findAll("div", {"class": "col-xs-12 drop-panel-content"})
    for data in all_data:
        print data.text

except AttributeError as e:
    return None

**除了不在同一输出中

当前输出

first section first text.
first section second text.
second section first text.

通缉输出

first section first text.
first section second text.

并希望输出，除了另一个功能

second section first text.

Answer 1

一种选择是使用section标记来区分这些部分。第二部分位于section标记内，但第一部分不是。

all_data = soup.find_all("div", {"class": "col-xs-12 drop-panel-content"})
for data in all_data:
    if data.find_parent("section") is None:
        print data.get_text(strip=True)

或者，如果严格有2个第一节文本，只需切片节文本列表：

all_data = soup.find_all("div", {"class": "col-xs-12 drop-panel-content"})[:2]
for data in all_data:
    print data.get_text(strip=True)

将beautifulsoup中的findall（）限制为html的一部分

1 个答案: