使用 BeautifulSoup 提取外部 div答案

【问题标题】：Extract outer div using BeautifulSoup使用 BeautifulSoup 提取外部 div
【发布时间】：2011-06-11 05:17:57
【问题描述】：

如果 HTML 代码如下所示：

<div class="div1">
<p>hello</p>
<p>hi</p>
    <div class="nesteddiv">
        <p>one</p>
        <p>two</p>
        <p>three</p>
    </div>
</div>

我如何提取只是

<div class="div1">
    <p>hello</p>
    <p>hi</p>
</div>

我已经尝试过parser.find('div', 'div1')，但我得到了整个 div，包括嵌套的。

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

您实际上想要extract() 嵌套 div 从文档中，然后获取第一个div。这是一个示例（html 是您在问题中提供的 HTML）：

>>> from BeautifulSoup import BeautifulSoup
>>> soup = BeautifulSoup(html)
>>> soup.div.div.extract()
<div class="nesteddiv">
<p>one</p>
<p>two</p>
<p>three</p>
</div>
>>> soup.div
<div class="div1">
<p>hello</p>
<p>hi</p>

</div>

【讨论】：

【解决方案2】：

为什么不直接 find() 嵌套的 div，然后使用 extract() 从树中删除它？

【讨论】：

不过我需要外层的。
extract() 实际上是执行移除，如果你 extract() 内层，你最终会得到外层
这是正确的。我的回答通过一个工作示例强调了这一点。