如何获取 BeautifulSoup 中所有父标签的列表？答案

【问题标题】：How do I get a list of all parent tags in BeautifulSoup?如何获取 BeautifulSoup 中所有父标签的列表？
【发布时间】：2011-04-14 17:14:36
【问题描述】：

假设我有这样的结构：

<folder name="folder1">
     <folder name="folder2">
          <bookmark href="link.html">
     </folder>
</folder>

如果我指向书签，提取所有文件夹行的命令是什么？例如，

bookmarks = soup.findAll('bookmark')

然后beautifulsoupcommand(bookmarks[0]) 会返回：

[<folder name="folder1">,<folder name="folder2">]

我也想知道结束标签什么时候出现。有什么想法吗？

提前致谢！

【问题讨论】：

标签： python html-parsing beautifulsoup xml-parsing

【解决方案1】：

这是我的尝试：

>>> from BeautifulSoup import BeautifulSoup
>>> html = """<folder name="folder1">
     <folder name="folder2">
          <bookmark href="link.html">
     </folder>
</folder>
"""
>>> soup = BeautifulSoup(html)
>>> bookmarks = soup.find_all('bookmark')
>>> [p.get('name') for p in bookmarks[0].find_all_previous(name = 'folder')]
[u'folder2', u'folder1']

与@eumiro 答案的主要区别在于我使用的是find_all_previous 而不是find_parents。当我测试@eumiro 的解决方案时，我发现find_parents 只返回第一个（直接）父母，因为父母和祖父母的名字是相同的。

>>> [p.get('name') for p in bookmarks[0].find_parents('folder')]
[u'folder2']

>>> [p.get('name') for p in bookmarks[0].find_parents()]
[u'folder2', None]

如果父母和祖父母的名字不同，它确实会返回两代父母。

>>> html = """<folder name="folder1">
     <folder_parent name="folder2">
          <bookmark href="link.html">
     </folder_parent>
</folder>
"""
>>> soup = BeautifulSoup(html)
>>> bookmarks = soup.find_all('bookmark')
>>> [p.get('name') for p in bookmarks[0].find_parents()]
[u'folder2', u'folder1', None]

【讨论】：

【解决方案2】：

bookmarks[0].findParents('folder') 将返回所有父节点的列表。然后，您可以遍历它们并使用它们的 name 属性。

【讨论】：

BS 只返回第一个（直接）父母，因为父母和祖父母的名字相同。如果父母和祖父母的名字不同，它确实会返回两代父母。