Beautiful Soup，按标签内容搜索，里面有标签答案

【问题标题】：Beautiful Soup, searching by content of tag with tag in itBeautiful Soup，按标签内容搜索，里面有标签
【发布时间】：2014-07-11 21:30:47
【问题描述】：

<th rowspan="3" style="background:#c0cfe4; width:7em">present</th>
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
<td>wir <strong class="selflink">machen</strong></td>
<th rowspan="3" style="background:#c0cfe4; width:7em">i</th>
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
<td>wir <strong class="selflink">machen</strong></td>
</tr>
<tr>
<td>du <a href="/wiki/machst" title="machst">machst</a></td>
<td>ihr <a href="/wiki/macht" title="macht">macht</a></td>
<td>du <a href="/wiki/machest" title="machest">machest</a></td>
<td>ihr <a href="/wiki/machet" title="machet">machet</a></td>
</tr>
<th colspan="6" style="background:#9999DF">future i</th>
</tr>
<tr>
<th rowspan="3" style="background:#ccccff">infinitive</th>
<td rowspan="3" colspan="2">machen werden</td>
<th rowspan="3" style="background:#ccccff">subjunctive i</th>
<td>ich werde machen</td>
<td>wir werden machen</td>
</tr>
<tr>
<td>du werdest machen</td>
<td>ihr werdet machen</td>
</tr>
<tr>
<td>er werde machen</td>
<td>sie werden machen</td>
</tr>

我试图在第 9 行提取 <td>du <a href="/wiki/machst" title="machst">machst</a></td>。当我使用 soup.find_all("td" text="re.compile("^du)) 执行搜索时，我得到的只是第 24 行的标签。这样做的正确方法是什么？

【问题讨论】：

我认为这不会影响问题，但我注意到第 7 行上的第一个 </tr> 结束标记缺少相应的 <tr> 开始标记。我假设您只是在创建问题时错过了复制标签。

标签： python html html-parsing beautifulsoup

【解决方案1】：

作为一种替代方法，您可以得到 next td，它的 text 以 du 开头：

print next(td for td in soup.find_all("td") if td.text.startswith('du'))

另外，您可以pass a function 到find_all()：

def td_with_du(tag):
    return tag.name == 'td' and tag.text.startswith('du')

print soup.find_all(td_with_du)

演示：

>>> from bs4 import BeautifulSoup
>>> data = """
Your HTML code goes here
"""
>>> soup = BeautifulSoup(data)
>>> def td_with_du(tag):
...     return tag.name == 'td' and tag.text.startswith('du')
... 
>>> for td in soup.find_all(td_with_du):
...     print td.text
... 
du machst
du machest
du werdest machen

【讨论】：

【解决方案2】：

问题是你不能同时匹配带有文本和嵌套标签的标签（参见How can I get text out of a <dt> tag with a <span> inside?），这就是为什么你唯一的匹配是<td>du werdest machen</td>。

当标签本身包含嵌套标签时，标签对象的string 属性是None。然而，正如 Martijn Pieters 在上面的链接中所说，.text 包含所有嵌套标签组合中的所有字符串，这就是为什么

>>> a = soup.find_all('td')[0]
>>> a
<td>ich <a href="/wiki/mache" title="mache">mache</a></td>
>>> print(a.string)
None
>>> print(a.text)
ich mache
>>> b = soup.find_all('td', text=re.compile('^du'))[0]
>>> b
<td>du werdest machen</td>
>>> print(b.string)
du werdest machen
>>> print(b.text)
du werdest machen

有关解决此问题的方法，您可以查看 alecxe 的答案。

【讨论】：

【解决方案3】：

此解决方案假定您不限于过滤text="re.compile("^du)。

虽然有几行以“du”开头的文本，但您的数据中只有一行包含href="/wiki/machst"。所以，如果你过滤 href 属性，你会得到“a”标签，如果你取它的父级，你会得到你想要的“td”标签：

soup.find(href="/wiki/machst").parent

如果你需要使用find_all，而不是find：

for a in soup.find_all(href="/wiki/machst"):
    print a.parent

如果由于某种原因无法使用此解决方案，如果您能阐明您的操作要求和限制，将会很有帮助。

【讨论】：