使用 BeautifulSoup 查找 html 中的所有表答案

【问题标题】：Find all tables in html using BeautifulSoup使用 BeautifulSoup 查找 html 中的所有表
【发布时间】：2012-04-04 17:31:01
【问题描述】：

我想使用 BeautifulSoup 查找 html 中的所有表格。内表应包含在外表中。

我创建了一些有效的代码，它给出了预期的输出。但是，我不喜欢这个解决方案，因为它使用了.decompose()，它破坏了'soup'对象。

你知道如何以更优雅的方式做到这一点吗？

from BeautifulSoup import BeautifulSoup as bs

input = '''<html><head><title>title</title></head>
<body>
<p>paragraph</p>
<div><div>
    <table>table1<table>inner11<table>inner12</table></table></table>
    <div><table>table2<table>inner2</table></table></div>
</div></div>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>
</html>'''

soup = bs(input)
while(True):
    t=soup.find("table")
    if t is None:
        break
    print str(t)
    t.decompose()

输出：

<table>table1<table>inner11<table>inner12</table></table></table>
<table>table2<table>inner2</table></table>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>

【问题讨论】：

标签： python screen-scraping beautifulsoup

【解决方案1】：

使用soup.findAll("table") 代替find() 和decompose()：

tables = soup.findAll("table")

for table in tables:
     if table.findParent("table") is None:
         print str(table)

输出：

<table>table1<table>inner11<table>inner12</table></table></table>
<table>table2<table>inner2</table></table>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>

没有任何东西被破坏/破坏。

【讨论】：