Python Beautiful Soup 4 使用 .select() 获取 Children 个元素

Question

.select() 元素允许我根据 css selector 从网页中获取元素，但这将搜索整个网页。我将如何使用 .select() 但仅搜索特定元素的 children 。例如：

<!-- Simplified example of the structure -->
<ul>
    <li>
        <div class="foo">foo content</div>
        <div class="bar">bar content</div>
        <div class="baz">baz content</div>
    </li>
    <li>
        <!-- We can't assume that foo, bar, and baz will always be there -->
        <div class="foo">foo content</div>
        <div class="baz">baz content</div>
    </li>
    <li>
        <div class="foo">foo content</div>
        <div class="bar">bar content</div>
        <div class="baz">baz content</div>
    </li>
</ul>

我想要一种表达方式：对于 <li>[0] foo 包含值 "foo content"，bar 包含值 "bar content" 等。

目前我的解决方案如下：

foos = soup.select("div.foo")
bars = soup.select("div.bar")
bazs = soup.select("div.baz")

for i in range(len(foos)):
    print("{i} contains: {} and {} and {}".format(i=i, foos[i], bars[i], bazs[i]))

这在大多数情况下都有效。但是当其中一个 li 中缺少一个元素时，它就完全崩溃了。就像我在 HTML 中展示的那样，我们不能假设 bar、baz 和 foo 三个元素会出现。

因此，我将如何只搜索 children 个 lis。因此我可以做这样的事情：

for i in soup.select("li"):
    #how would i do this:
    foo = child_of("li", "div.foo")????
    bar = child_of("li", "div.bar")????
    baz = child_of("li", "div.baz")????

Answer 1

您可以像这样使用 element:nth-of-type(n)：

from bs4 import BeautifulSoup

a = """<!-- Simplified example of the structure -->
<ul>
    <li>
        <div class="foo">foo1 content</div>
        <div class="bar">bar1 content</div>
        <div class="baz">baz1 content</div>
    </li>
    <li>
        <!-- We can't assume that foo, bar, and baz will always be there -->
        <div class="foo">foo2 content</div>
        <div class="baz">baz2 content</div>
    </li>
    <li>
        <div class="foo">foo3 content</div>
        <div class="bar">bar3 content</div>
        <div class="baz">baz3 content</div>
    </li>
</ul>
"""

s = BeautifulSoup(a)
s2 = s.select('ul > li:nth-of-type(2)')[0]
foo, bar, baz = s2.select('div.foo'), s2.select('div.bar'), s2.select('div.baz')
print foo, bar, baz

输出：

[<div class="foo">foo2 content</div>] [] [<div class="baz">baz2 content</div>]

Answer 2

for li in soup.select('li'):
    foo = li.select('.foo')
    bar = li.select('.bar')
    baz = li.select('.baz')

每次您遍历 li 标签并使用 select() 时，要 selected 的 html 代码只是 li 标签的内容，例如：

<li>
    <div class="foo">foo content</div>
    <div class="bar">bar content</div>
    <div class="baz">baz content</div>
</li>

因此，您可以使用 select() 到 select li 的 child，因为 li 仅包含 child 标签。

Answer 3

这对我有用，所有食物、酒吧和基地都存储在单独的列表中

foos = []
bars = []
bazs = []
for i in soup.find_all('li'):
    soup2 = BeautifulSoup(str(i))
    print soup2
    for _ in soup2.find_all('div', {'class':'foo'}):
        foos.append(_)
    for _ in soup2.find_all('div', {'class': 'bar'}):
        bars.append(_)
    for _ in soup2.find_all('div', {'class': 'baz'}):
        bazs.append(_)

Python Beautiful Soup 4 使用 .select() 获取 Children 个元素

Python Beautiful Soup 4 Get Children of Element with .select()

css

python

beautifulsoup

python-3.x

bs4