Python漂亮汤级别1仅文本

Question

我看过其他漂亮的汤也有同样的问题。好像我的有点不同。

这是http://engine.data.cnzz.com/main.php?s=engine&uv=&st=2014-03-01&et=2014-03-31网站

我想把那张桌子放在右边。注意表的第一行是如何展开成该数据的详细分解的。我不想要那些数据。我只想要最高级的数据。您还可以看到，其他行也可以展开，但在本例中是不行的。因此，只循环和跳过tr[2]可能不起作用。我试过这个：

r = requests.get(page)
r.encoding = 'gb2312'
soup = BeautifulSoup(r.text,'html.parser')
table=soup.find('div', class_='right1').findAll('tr', {"class" : re.compile('list.*')})

但是在其他级别上还有更多的嵌套list*。怎样才能拿到第一层呢？

Answer 1

仅通过将table设置为False将搜索限制为指向 argument元素的子元素：

table = soup.find('div', class_='right1').table
rows = table.find_all('tr', {"class" : re.compile('list.*')}, recursive=False)

Answer 2

@MartijnPieters的解决方案已经很完美了，但是不要忘记，BeautifulSoup允许您在定位元素时也使用多个属性。请参阅下列代码：

from bs4 import BeautifulSoup as bsoup
import requests as rq
import re

url = "http://engine.data.cnzz.com/main.php?s=engine&uv=&st=2014-03-01&et=2014-03-31"
r = rq.get(url)
r.encoding = "gb2312"

soup = bsoup(r.content, "html.parser")
div = soup.find("div", class_="right1")
rows = div.find_all("tr", {"class":re.compile(r"list\d+"), "style":"cursor:pointer;"})

for row in rows:
    first_td = row.find_all("td")[0]
    print first_td.get_text().encode("utf-8")

注意我是如何添加"style":"cursor:pointer;"的。这对于顶级行是唯一的，而不是内部行的属性。这与公认的答案是相同的结果：

百度汇总
360搜索
新搜狗
谷歌
微软必应
雅虎
0
有道
其他
[Finished in 2.6s]

希望这也有帮助。