0

我正在使用BeautifulSoup来解析一个 html 页面。我需要处理页面中的第一个表。该表包含几行。然后每一行都包含一些“td”标签,其中一个“td”标签有一个“img”标签。我想获取该表中的所有信息。但是,如果我打印该表,我不会得到任何与“img”标签相关的数据。

我正在使用 soap.findAll("table") 来获取所有表,然后选择第一个表进行处理。html 看起来像这样:

<table id="abc"
  <tr class="listitem-even">
    <td class="listitem-even">
      <table border = "0"> <tr> <td class="gridcell">
               <img id="img_id" title="img_title" src="img_src" alt="img_alt" /> </td> </tr>
      </table>
    </td>
    <td class="listitem-even"
      <span>some_other_information</span>
    </td>
  </tr>
</table>

如何获取表中的所有数据,包括“img”标签?谢谢,

4

1 回答 1

3

您有一个嵌套表,因此您需要在解析 tr/td/img 标记之前检查您在树中的位置。

from bs4 import BeautifulSoup
f = open('test.html', 'rb')
html = f.read()
f.close()
soup = BeautifulSoup(html)

tables = soup.find_all('table')

for table in tables:
     if table.find_parent("table") is not None:
         for tr in table.find_all('tr'):
                 for td in table.find_all('td'):
                         for img in td.find_all('img'):
                                 print img['id']
                                 print img['src']
                                 print img['title']
                                 print img['alt']

它根据您的示例返回以下内容:

img_id
img_src
img_title
img_alt
于 2013-09-16T15:10:56.147 回答