python - 如何在美丽的汤中获得嵌套元素

Question

我正在为在 td 中获取一些 href 所需的语法而苦苦挣扎。table、tr 和 td 元素没有任何类或 id。

如果我想在这个例子中抓住锚点，我需要什么？

<tr><td><a>...

谢谢

score 33 · Accepted Answer

根据文档，您首先制作一个解析树：

import BeautifulSoup
html = "<html><body><tr><td><a href='foo'/></td></tr></body></html>"
soup = BeautifulSoup.BeautifulSoup(html)

然后在其中搜索，例如<a>直接父级为 a 的标签<td>：

for ana in soup.findAll('a'):
  if ana.parent.name == 'td':
    print ana["href"]

score 30 · Accepted Answer

像这样的东西？

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)
anchors = [td.find('a') for td in soup.findAll('td')]

这应该在您提供的 html 中的每个“td”中找到第一个“a”。如果每个 td 中有多个链接，您可以调整td.find为更具体或使用。findAll

更新：重新 Daniele 的评论，如果您想确保列表中没有任何None'，那么您可以修改列表理解：

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)
anchors = [a for a in (td.find('a') for td in soup.findAll('td')) if a]

这基本上只是添加一个检查，看看你是否有一个由td.find('a').

2 回答 2