Question

我想使用BeautifulSoup在html中找到所有表。内表应该包含在外表中。

我已经创建了一些有效的代码，它可以提供预期的输出。但是，我不喜欢这种解决方案，因为它会摧毁'汤'对象。

你知道如何以更优雅的方式做到这一点吗？

from BeautifulSoup import BeautifulSoup as bs

input = '''<html><head><title>title</title></head>
<body>
<p>paragraph</p>
<div><div>
    <table>table1<table>inner11<table>inner12</table></table></table>
    <div><table>table2<table>inner2</table></table></div>
</div></div>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>
</html>'''

soup = bs(input)
while(True):
    t=soup.find("table")
    if t is None:
        break
    print str(t)
    t.decompose()

Output:    
<table>table1<table>inner11<table>inner12</table></table></table>
<table>table2<table>inner2</table></table>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>

Answer 1

使用soup.findAll("table")代替find()和decompose()：

tables = soup.findAll("table")

for table in tables:
     if table.findParent("table") is None:
         print str(table)

输出：

<table>table1<table>inner11<table>inner12</table></table></table>
<table>table2<table>inner2</table></table>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>

没有任何东西被破坏/破坏。

使用BeautifulSoup查找html中的所有表

1 个答案: