用美丽的汤进行 HTML 解析答案

【问题标题】：HTML parsing with Beautiful soup用美丽的汤进行 HTML 解析
【发布时间】：2012-02-05 19:40:45
【问题描述】：

这就是我的 HTML 的样子：

<table cellspacing="0" cellpadding="0"  class="list04" style="width:704px;">

    <td class="txt"><img src="img/1001.gif" /></td>
    <td>
    <div>string1</div>
    <div>
    string2</div>
    </td>
    <td><div class="name">string3</div>
    </td>
    <td>
    </td>
    <td></td>
    </tr>
    <tr>
    <td></td>


    <td class="txt"><img src="img/1002.gif" /></td>
    <td>
    <div>string4</div>
    <div>
    string5</div>
    </td>
    <td><div class="name">string6</div>
    </td>
    <td>
    </td>
    <td></td>
    </tr>
    <tr>
    <td></td>

</table>

我想用 Beautiful soup 提取字符串（string1 到 string6）。

谁能回答我如何做到这一点？

** 在 HTML 的其余部分中有很多 <div>s，我不需要全部。我想提取<td class="txt">和</td>之间的字符串

【问题讨论】：

要做到这一点，我们需要知道哪些标签封装了这些部分——再给我们一些 HTML。
<td class="txt"> 和下一个 </td> 在同一行中，并且您不包含您要查找的任何 <div>s。您可能想查看一些包含它们的 <tr> 或 <table>。
表看起来像那样.. 很抱歉造成混淆。我想提取表中的所有字符串。 :(

标签： python beautifulsoup

【解决方案1】：

如果它在字符串 html 中，请使用

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)
print [t.text for t in soup.find("table", {"class": "list04"}).findAll("div")]

将打印出来：

[u'string1', u'string2', u'string3', u'string4', u'string5', u'string6']

【讨论】：

我不需要的
太多了。我想提取和之间的字符串
那么，您需要向我们展示更多的 HTML。正如您设置的那样，和相应的之间的唯一内容是 IMG 标签。剩下的标签是什么？
我会用 t.text 替换 t.contents[0].strip()。
没有其他标签。我说的是最后一个。
我编辑了我的代码，使其仅从该特定表中提取 div。

【解决方案2】：

试试这个

from BeautifulSoup import BeautifulSoup 
f = open('a.htm')
soup = BeautifulSoup(f) 
anothersoup = BeautifulSoup(soup.findAll('td', attrs={'class':'txt'}))
list = anothersoup.findAll('div')
print list

【讨论】：