根据Beautiful Soup中儿童的文本值查找标签列表

Question

我有一个关于使用其子项属性之一的条件选择标签列表（或单个标签）的问题。具体来说，给定 HTML 代码：

<tbody>
<tr class="" data-row="0">
<tr class="" data-row="1">
<tr class="" data-row="2">
    <td align="right" csk="13">13</td>
    <td align="left" csk="Jones,Andre"><a href="/players/andre-jones-2.html">Andre Jones</a>       
    </td>
<tr class="" data-row="3">
    <td align="right" csk="7">7</td>
    <td align="left" csk="Jones,DeAndre"><a href="/players/deandre-jones-1.html">DeAndre Jones</a>
    </td>
 <tr class="" data-row="4">
 <tr class="" data-row="5">

我有一个来自外部循环的 unicode 变量，我试图查看表中的每一行以提取带有Player==Table.tr.a.text 的<tr> 标记，并在Table 中识别重复的玩家名称。因此，例如，如果有多个玩家使用Player=Andre Jones，则MyRow 对象返回所有包含该玩家名称的<tr> 标签，而如果只有一行带有Player=Andre Jones，则MyRow 只是包含单个元素<tr>，其锚文本属性等于Andre Jones。我一直在尝试类似

Table = soup.find('tbody')
MyRow = Table.find_all(lambda X: X.name=='tr' and Player == X.text)

但这会为MyRow 返回[]。如果我使用

MyRow = Table.find_all(lambda X: X.name=='tr' and Player in X.text)

这将选择任何具有Player 的<tr> 作为X.text 的子字符串。在上面的示例代码中，它使用Table.tr.td.a.text=='Andre Jones' 和Table.tr.td.a.text=='DeAndre Jones' 提取<tr> 标签。任何帮助将不胜感激。

Answer 1

随心所欲。 :)

解决方案1

逻辑：在该标签的文本中找到第一个标签名称为 tr 且包含“FooName”的标签，包括其子标签。

# Exact Match  (text is unicode, turn into str)
print Table.find(lambda tag: tag.name=='tr' and 'FooName' == tag.text.encode('utf-8'))
# Fuzzy Match
# print Table.find(lambda tag: tag.name=='tr' and 'FooName' in tag.text)

输出：

<tr class="" data-row="2">
<td align="right" csk="3">3</td>
<td align="left" csk="Wentz,Parker">
<a href="/players/Foo-Name-1.html">FooName</a>
</td>
</tr>

解决方案2

逻辑：查找其文本包含FooName 的元素，在本例中为anchor 标签。然后上树搜索标签名为tr的所有父母（包括祖先）

# Exact Match
print Table.find(text='FooName').find_parent('tr')
# Fuzzy Match
# import re
# print Table.find(text=re.compile('FooName')).find_parent('tr')

输出

<tr class="" data-row="2">
<td align="right" csk="3">3</td>
<td align="left" csk="Wentz,Parker">
<a href="/players/Foo-Name-1.html">FooName</a>
</td>
</tr>

Answer 2

您可以使用 XPath 和 lxml 轻松做到这一点：

import lxml.html

root = lxml.html.fromstring('''...''')
td = root.xpath('//tr[.//a[text() = "FooName"]]')

BeautifulSoup “等效”类似于：

rows = soup.find('tbody').find_all('tr')
td = next(row for row in rows if row.find('a', text='FooName'))

或者如果你反过来想：

td = soup.find('a', text='FooName').find_parent('tr')