Question

我正在尝试解析html，如下所示：

<tbody>
    <tr class data-row="0">
        <td align="right"></td>
    </tr>
    <tr class data-row="1">
        <td align="right"></td>
    </tr>
    <tr class="thead over_theader" data-row="2">
        <td align="right"></td>
    </tr>
    <tr class="thead" data-row="3">
        <td align="right"></td>
    </tr>
    <tr class data-row="4">
        <td align="right"></td>
    </tr>
    <tr class data-row="5">
        <td align="right"></td>
    </tr>
</tbody>

我想获取未指定tr的所有class代码（及其子代）。对于上面的示例，这意味着我希望tr标记data-row不是2或3。

如何使用Beautiful Soup 4进行此操作？

我试过

tableBody = soup.findAll('tbody')
rows = tableBody[0].findAll(attrs={"class":""})

但是当我想要bs4.element.ResultSet长度为4（一个用于tr时，这会返回一个长度为8的td类型（即包含bs4.element.ResultSet个tr子项的子项）每个class = ""代码都带有www）。

Answer 1

当我指定tr标记名称时，您的方法实际上适用于我：

>>> from bs4 import BeautifulSoup
>>> data = """
... <tbody>
...     <tr class data-row="0">
...         <td align="right"></td>
...     </tr>
...     <tr class data-row="1">
...         <td align="right"></td>
...     </tr>
...     <tr class="thead over_theader" data-row="2">
...         <td align="right"></td>
...     </tr>
...     <tr class="thead" data-row="3">
...         <td align="right"></td>
...     </tr>
...     <tr class data-row="4">
...         <td align="right"></td>
...     </tr>
...     <tr class data-row="5">
...         <td align="right"></td>
...     </tr>
... </tbody>
... """
>>> soup = BeautifulSoup(data, "html.parser")
>>> len(soup.find_all("tr", class_=""))
4

或者，您可以使用tr[class=""] CSS selector：

>>> len(soup.select('tr[class=""]'))
4

Answer 2

默认情况下，

find_all将递归搜索。因此td代码是有效匹配。

Docs：

如果你致电mytag.find_all()，美丽的汤将检查mytag的所有后代：它的孩子，孩子的孩子，等等。如果你只想要美丽的汤来考虑直接孩子，你可以传递recursive=False

所以你可以写一下，例如：

tableBody = soup.findAll('tbody')
rows = tableBody[0].find_all(attrs={"class":""}, recursive=False)

print(len(rows))
for r in rows:
    print('---')
    print(r)

输出：

4
---
<tr class="" data-row="0">
<td align="right"></td>
</tr>
---
<tr class="" data-row="1">
<td align="right"></td>
</tr>
---
<tr class="" data-row="4">
<td align="right"></td>
</tr>
---
<tr class="" data-row="5">
<td align="right"></td>
</tr>

如何使用Beautiful Soup 4来查找属性

2 个答案: