我有一个标签在不同的层，我如何才能使它到同一层？

Question

我在用蟒蛇汤。

我的html中有几个<div>层，在内部的<div>标记中有一个id=页面中断属性。我能写一个通用代码吗?我可以从外层获得*<div>*吗？所有*<div>*都是并行的。它们在同一层。

包含id=分页的div层可以位于第二个内层或第三个内层。我们无法从*<div>*层获得任何信息。

我不想得到最外层的div，而是有星号的，这是我举的例子。

<div>
    *<div>*
        <div>
            <div id=page-break> asdf </div>
        </div>
    *</div>*
    
    *<div>*
        <div id=page-break> qwer </div>
    *</div>*
    *<div>*
        <div>
            <div id=page-break> asdf </div>
        </div>
        <div>
        </div>
    *</div>*
    
</div>

Answer 1

我希望我已经正确理解了你的问题。

您可以使用CSS :root伪类来引用最上面的<div>，然后使用:has(#page-break)来获取包含id=page-break的所有<div>。

from bs4 import BeautifulSoup

html = """
<div>
    <div>
        <div>
            <div id=page-break> asdf </div>
        </div>
    </div>
    <div>
        <div id=page-break> qwer </div>
    </div>
    <div>
        <div>
            <div id=page-break> asdf </div>
        </div>
        <div>
        </div>
    </div>
</div>
"""

soup = BeautifulSoup(html, "html.parser")

for div in soup.select(":root > div:has(#page-break)"):
    print(div)
    print("-" * 80)

指纹：

<div>
<div>
<div id="page-break"> asdf </div>
</div>
</div>
--------------------------------------------------------------------------------
<div>
<div id="page-break"> qwer </div>
</div>
--------------------------------------------------------------------------------
<div>
<div>
<div id="page-break"> asdf </div>
</div>
<div>
</div>
</div>
--------------------------------------------------------------------------------

或者：

首先选择包含<div>的id=page-break (在任何级别上)，然后使用:scope

first_div = soup.select_one("div:has(#page-break)")

for div in first_div.select(":scope > div:has(#page-break)"):
    print(div)
    print("-" * 80)