查找所有 <a>，某个 <div> 的孩子

Question

我想在 <h2> 中包含的所有 <a href=...> 中循环使用 BeautifulSoup，它们本身在 <div class="myclass"> 中：

<a href="www.example.com">Not selected</a> 
<div class="myclass">
  <a href="www.example.com">Not selected</a> 
  <h2>
    <a href="www.example.com">SELECTED!</a> 
  </h2>
</div>

我正在考虑这样的事情，但我可以想象 BeautifulSoup 可以在没有任何if link.parent == ... 测试的情况下进行这样的过滤：

from bs4 import BeautifulSoup
soup = BeautifulSoup(urllib2.urlopen(req), "lxml")

for link in soup.select('a[href]'):
    if link.parent == ...   # tests
       print link

如何用 BeautifulSoup 做到这一点？

Answer 1

您可以通过 findAll 一步一步地前进到您想要的 as：

for div in soup.findAll("div", attrs={"class": "myclass"}):
    for h2 in div.findAll("h2"):
        for a in h2.findAll("a"):
            print a

或者你可以在select中使用一个css选择器：

soup.select('.myclass h2 a')

Answer 2

美汤支持CSS类选择器，relevant documentation

因此您可以按照以下方式进行查询：

soup.find_all('.myclass > h2 > a')

这就是标题的子元素的所有锚标记，它们是 div 的子元素。

Answer 3

使用css选择器：

soup.select('div h2 a')

Answer 4

你可以这样做

divs = soup.findAll('div', {'class': 'myclass'})
for div in divs:
    links = div.findAll('h2 > a')
    for link in links:
        print link