僅在具有特定文本的標記之后查找某些類的所有標記

Question

我在HTML中有一個很長的長表，因此標簽不會彼此嵌套。 它看起來像這樣：

<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>

所以首先我要搜索樹以找到“B”。 然后我想在B之后使用類y獲取每個td標記的文本，但是在下一行表以“C”開始之前。

我試過這個：

results = soup.find_all('td')
for result in results:
    if result.string == "B":
        print(result.string)

這讓我得到了我想要的字符串B. 但是現在我想在此之后找到所有這些並且我沒有得到我想要的東西。

for results in soup.find_all('td'):
    if results.string == 'B':
        a = results.find_next('td',class_='y')

這給了我'B'之后的下一個td，這就是我想要的，但我似乎只能獲得第一個td標簽。 我想抓住所有具有類y的標簽，在'B'之后但在'C'之前（C沒有在html中顯示，但是遵循相同的模式），我想把它放到列表中。

我的結果列表是：

[['I want this'],['and this'],['and this'],['and this']]

Answer 1

基本上，您需要找到包含B文本的元素。 這是你的出發點。

然后，使用find_next_siblings()檢查此元素的每個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())

測試您的示例數據，它打印：

I want this
and this
and this
and this