我在HTML中有一个很长的表,因此标签不会彼此嵌套。它看起来像这样:
<tr>
<td>A</td>
</tr>
<tr>
<td class="x">...</td>
<td class="x">...</td>
<td class="x">...</td>
<td class="x">...</td>
</tr>
<tr>
<td class ="y">...</td>
<td class ="y">...</td>
<td class ="y">...</td>
<td class ="y">...</td>
</tr>
<tr>
<td>B</td>
</tr>
<tr>
<td class="x">...</td>
<td class="x">...</td>
<td class="x">...</td>
<td class="x">...</td>
</tr>
<tr>
<td class ="y">I want this</td>
<td class ="y">and this</td>
<td class ="y">and this</td>
<td class ="y">and this</td>
</tr>
首先,我想搜索树以找到“B”。然后我想在B之后使用类y获取每个td标记的文本,但是在下一行表以“C”开始之前。
我试过这个:
results = soup.find_all('td')
for result in results:
if result.string == "B":
print(result.string)
这让我得到了我想要的字符串B.但是现在我想在此之后找到所有的东西而且我没有得到我想要的东西。
for results in soup.find_all('td'):
if results.string == 'B':
a = results.find_next('td',class_='y')
这给了我'B'之后的下一个td,这就是我想要的,但我似乎只能获得第一个td标签。我想抓住所有具有类y的标签,在'B'之后但在'C'之前(C没有在html中显示,但是遵循相同的模式),我想把它放到列表中。
我的结果列表是:
[['I want this'],['and this'],['and this'],['and this']]
答案 0 :(得分:4)
基本上,您需要找到包含B
文本的元素。这是你的出发点。
然后,使用find_next_siblings()
检查此元素的每个tr
兄弟:
start = soup.find("td", text="B").parent
for tr in start.find_next_siblings("tr"):
# exit if reached C
if tr.find("td", text="C"):
break
# get all tds with a desired class
tds = tr.find_all("td", class_="y")
for td in tds:
print(td.get_text())
根据您的示例数据进行测试,它会打印:
I want this
and this
and this
and this