如何动态地找到所选元素的最近的特定父级？

Question

我希望解析许多html页面，并使用beautifulsoup html.parser和python删除包含文本"Message“的div。div没有名称或id，因此指向它是不可能的。我可以为1 html页面这样做。在下面的代码中，您将看到6 .parent。这是因为在这个html页面中，div标记和文本"Message“之间有5个标记(p，i，b，span，a)，第6个标记是div。下面的代码适用于1 html页面。

soup = BeautifulSoup(html_page,"html.parser")
scores = soup.find_all(text=re.compile('Message'))
divs = [score.parent.parent.parent.parent.parent.parent for score in scores]
divs.decompose()

问题是-- div和"Message“之间的标记数并不总是6，在某些html页面中，它是3，在大约7。

那么，是否有一种方法可以动态地在文本"Message“和最近的div之间找到标记(n)的数目，并使用n+1、beautifulsoup将.parent的数目添加到(在上面的代码中)。

Answer 1

正如在您的问题中所描述的，在这个问题之间没有其他<div>，您可以使用.find_parent()

soup.find(text=re.compile('Message')).find_parent('div').decompose()

请注意，如果使用find_all()，则必须在取消.find_parent()时迭代ResultSet

for r in soup.find_all(text=re.compile('Message')):
    r.find_parent('div').decompose()

就像在您的示例divs.decompose()中一样，您还应该迭代list。

示例

from bs4 import BeautifulSoup
import re
html='''
<div>
    <span>
        <i>
            <x>Message</x>
        </i>
    </span>
</div>
'''
soup = BeautifulSoup(html)

soup.find(text=re.compile('Message')).find_parent('div')