漂亮的汤在标签中找到标签

Question

我读了一大堆文章，找不到任何真正相关的东西。我保证:)这是在Python2.7.3下的BS4和lxml解析器中实现的。

我有这样的经历：

self.chaptername = self.soup.find_all('center h3 b')

在我的html中我有

<center><h3><b>Chapter 34</b></h3></center>

我期望得到“第34章”的结果，但得到的结果集为空。

如果我查找'b‘，我会得到所有粗体文本的结果集(带有属性)。

如果我查找'h3 b‘，我得到一个空的结果集。

我是否应该能够查找<center><h3><b>嵌套结构，或者我使用BS4是错误的？

谢谢你，艾德

Answer 1

您正在调用BeautifulSoup的.find_all()函数。这需要一个name argument，它可以是字符串、正则表达式、列表、函数或值True。

对于字符串，这应该是单个标记的名称，在本例中，您可以使用center来定位<center>标记。使用name="center h3 b"将无法定位<b>标记内的文本。如果您希望按顺序返回多种类型的标签，例如all <h1>和all <h2>，则可以使用列表。

注意，如果您只请求<center>标记的文本，它将正确地显示其中的所有文本，因此将为您提供Chapter 34，而无需定位<b>标记。

如果你只想匹配<b>标签中的<h3>标签和<center>标签中的<center>标签，那么考虑下面的例子，让事情变得更清晰一些：

from bs4 import BeautifulSoup

html = "<center><h3><b>Chapter 34</b></h3></center>"
soup = BeautifulSoup(html, 'lxml')

for center in soup.find_all('center'):
    print("center soup:", center)           # all html soup
    print("center text:", center.text)      # all text        
    
    h3 = center.find('h3')
    
    if h3:
        b = h3.find('b')
        
        if b:
            print("b text v1:", b.text)

    # Alternative methods
    
    print("b text v2:", center.find('h3').find('b').text)
    print("b text v3:", center.h3.b.text)

这将显示：

center soup: <center><h3><b>Chapter 34</b></h3></center>
center text: Chapter 34
b text v1: Chapter 34
b text v2: Chapter 34
b text v3: Chapter 34

在这里，center用于定位<h3>标记，如果存在，则用于定位<b>标记，如果存在，则显示文本。

在每个点上，如果标记不存在，.find()调用都会返回None，因此应该小心处理这个问题(这取决于要解析的HTML )。

BeautifulSoup为创建一个简单的.find()提供了一种简写方式，center.h3.b将是等效的。

如果存在不总是具有正确结构的情况，则可以将最后两个示例包装在try / except子句中。