“has:()”和“not:()”伪类在 BeautifulSoup 中使用时表现不同

Question

我试图弄清楚css pseudo-classes 与not:() 和has:() 在以下情况下的工作方式。

以下选择器不应该打印27A-TAX DISTRICT 27A，但它会打印它：

from bs4 import BeautifulSoup

htmlelement = """
<tbody>
  <tr style="">
     <td><a>27A-TAX DISTRICT</a> 27A</td>
  </tr>

  <tr style="">
     <td><strong>Parcel Number</strong> 720</td>
  </tr>
</tbody>
"""
soup = BeautifulSoup(htmlelement,"lxml")
item = soup.select_one("tr:not(a)").text
print(item)

另一方面，下面的选择器应该打印I should be printed，但它会抛出AttributeError 错误。

from bs4 import BeautifulSoup

htmlelement = """
<p class="vital">I should be printed</p>
<p>I should not be printed</p>
"""
soup = BeautifulSoup(htmlelement,"lxml")
item = soup.select_one("p:has(.vital)").text
print(item)

我哪里出错了，我怎样才能让它们发挥作用？

Answer 1

很遗憾，您对 :not() 和 :has() 所做的事情的理解很可能不正确。

在您的第一个示例中，您使用：

soup.select_one("tr:not(a)").text

您使用它的方式将选择每个tr。这是因为它说“我想要一个不是a 标记的tr 标记。tr 标记永远不是a 标记，因此您的代码总是抓取任何tr 标记的文本，包括那个包含27A-TAX DISTRICT。

如果您想要没有a 标签的tr 标签，那么您可以使用：

soup.select_one("tr:not(:has(a))").text

这句话的意思是“我想要一个没有后代a 标记的tr 标记”。

更多信息请阅读：

• https://developer.mozilla.org/en-US/docs/Web/CSS/:not

---

这就引出了您的第二个问题。 :has() 是一个关系选择器。在您的第二个示例中，您使用了：

soup.select_one("p:has(.vital)").text

:has() 向前查看子代、后代或兄弟姐妹（取决于您使用的语法）以确定标签是否是您想要的标签。

所以你说的是“我想要一个p 标签，它有一个带有vital 类的后代标签”。您的p 标签甚至都没有后代，因此不可能有vital 类。你想要的其实更简单：

soup.select_one("p.vital").text

这句话的意思是“我想要一个p 标签，它也有一个vital 类。”

更多信息请阅读：

• https://developer.mozilla.org/en-US/docs/Web/CSS/:has