美麗的湯，按標簽的內容搜索與標簽

Question

<th rowspan="3" style="background:#c0cfe4; width:7em">present</th>
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
<td>wir <strong class="selflink">machen</strong></td>
<th rowspan="3" style="background:#c0cfe4; width:7em">i</th>
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
<td>wir <strong class="selflink">machen</strong></td>
</tr>
<tr>
<td>du <a href="/wiki/machst" title="machst">machst</a></td>
<td>ihr <a href="/wiki/macht" title="macht">macht</a></td>
<td>du <a href="/wiki/machest" title="machest">machest</a></td>
<td>ihr <a href="/wiki/machet" title="machet">machet</a></td>
</tr>
<th colspan="6" style="background:#9999DF">future i</th>
</tr>
<tr>
<th rowspan="3" style="background:#ccccff">infinitive</th>
<td rowspan="3" colspan="2">machen werden</td>
<th rowspan="3" style="background:#ccccff">subjunctive i</th>
<td>ich werde machen</td>
<td>wir werden machen</td>
</tr>
<tr>
<td>du werdest machen</td>
<td>ihr werdet machen</td>
</tr>
<tr>
<td>er werde machen</td>
<td>sie werden machen</td>
</tr>

我試圖在第9行提取<td>du <a href="/wiki/machst" title="machst">machst</a></td> 。當我使用soup.find_all("td" text="re.compile("^du))進行搜索時soup.find_all("td" text="re.compile("^du))我得到的就是第24行的標簽。這樣做的正確方法是什么？

Answer 1

作為替代方法，您將獲得具有以du開頭的text的next td ：

print next(td for td in soup.find_all("td") if td.text.startswith('du')) 

此外，您可以將函數傳遞給find_all() ：

def td_with_du(tag):
    return tag.name == 'td' and tag.text.startswith('du')

print soup.find_all(td_with_du)

演示：

>>> from bs4 import BeautifulSoup
>>> data = """
Your HTML code goes here
"""
>>> soup = BeautifulSoup(data)
>>> def td_with_du(tag):
...     return tag.name == 'td' and tag.text.startswith('du')
... 
>>> for td in soup.find_all(td_with_du):
...     print td.text
... 
du machst
du machest
du werdest machen

Answer 2

問題是你無法將標簽與文本和嵌套標簽匹配（請參閱如何從<dt>標簽中獲取帶有<span>的文本？ ），這就是為什么你唯一的匹配是<td>du werdest machen</td> 。

事實證明，當標簽本身包含嵌套標簽時，Tag對象的string屬性為None 。 但是，正如Martijn Pieters在上面的鏈接中所述， .text 包含所有嵌套標簽中的所有字符串 ，這就是原因

>>> a = soup.find_all('td')[0]
>>> a
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
>>> print(a.string)
None
>>> print(a.text)
ich mache
>>> b = soup.find_all('td', text=re.compile('^du'))[0]
>>> b
<td>du werdest machen</td>
>>> print(b.string)
du werdest machen
>>> print(b.text)
du werdest machen

對於解決此問題的方法，您可以看到alecxe的答案。

Answer 3

此解決方案假定您不限於對text="re.compile("^du)進行過濾。

雖然有幾行文本以“du”開頭，但數據中只有一行包含href="/wiki/machst" 。 因此，如果您對href屬性進行過濾，您將獲得“a”標記，如果您使用其中的父標記，您將獲得您所追求的“td”標記：

soup.find(href="/wiki/machst").parent

如果你需要使用find_all ，而不是find ：

for a in soup.find_all(href="/wiki/machst"):
    print a.parent

如果由於某種原因無法使用此解決方案，那么如果您能夠明確您正在運營的要求和限制將會有所幫助。