在找到的选择上方找到第一个特定的 HTML 标记 - Python / BeautifulSoup答案

【问题标题】：Find first specific HTML tag above the found selection - Python / BeautifulSoup在找到的选择上方找到第一个特定的 HTML 标记 - Python / BeautifulSoup
【发布时间】：2018-02-28 20:59:40
【问题描述】：

我有一个以下格式的事件表

<table class="events">
<tbody>
    <tr>
        <td"><span class="event_date">28.02.2018</span></td>
    </tr>
    <tr class="event">
        <td class="event_time">18:00</td>
        <td class="event_name">Event_1</td>
    </tr>
    <tr class="event">
        <td class="event_time">19:00</td>
        <td class="event_name">Event_2</td>
    </tr>
    <tr>
        <td"><span class="event_date">01.03.2018</span></td>
    </tr>
    <tr class="event">
        <td class="event_time">18:00</td>
        <td class="event_name">Event_3</td>
    </tr>
    <tr class="event">
        <td class="event_time">19:00</td>
        <td class="event_name">Event_4</td>
    </tr>
    <tr class="event">
        <td class="event_time">20:00</td>
        <td class="event_name">Event_5</td>
    </tr>
</tbody>

我可以使用以下命令轻松提取每个事件的时间和名称

event_container = page_soup.findAll("tr", {"class":"event"})

for event in event_container:
    event_name = event.find("td", {"class":"event_name"})
    event_time = event.find("td", {"class":"event_time"})

但是我无法将 event_date 正确分配给这些事件

想要的输出

名称：Event_1，日期：28.02.2018，时间：18:00

名称：Event_2，日期：28.02.2018，时间：19:00

名称：Event_3，日期：01.03.2018，时间：18:00

名称：Event_4，日期：01.03.2018，时间：19:00

名称：Event_5，日期：01.03.2018，时间：20:00

感谢您的帮助

【问题讨论】：

标签： python beautifulsoup html-parsing

【解决方案1】：

您可以做的一件事是遍历所有<tr> 标签并检查它是否有带有日期的<span> 标签。如果有日期，则更新日期，否则获取名称和时间。

但在 Python 中，它是EAFP（请求宽恕比请求许可更容易）。所以，你可以简单地使用这个：

table = soup.find('table', class_='events')
event_date = ''
for row in table.find_all('tr'):
    try:
        event_date = row.td.span.text
        continue
    except AttributeError:
        pass
    event_name = row.find('td', class_='event_name').text
    event_time = row.find('td', class_='event_time').text
    print('Name: {}, Date: {}, Time: {}'.format(event_name, event_date, event_time))

输出：

Name: Event_1, Date: 28.02.2018, Time: 18:00
Name: Event_2, Date: 28.02.2018, Time: 19:00
Name: Event_3, Date: 01.03.2018, Time: 18:00
Name: Event_4, Date: 01.03.2018, Time: 19:00
Name: Event_5, Date: 01.03.2018, Time: 20:00

【讨论】：

谢谢 - 这是我正在寻找的解决方案！只是我自己无法弄清楚 for 循环。

【解决方案2】：

一种可能是抓取所有需要的文本，然后在适当的事件日期下分组：

from bs4 import BeautifulSoup as soup
import itertools, re
def beautify(f):
   def wrapper():
      return ["Name: {name}, Date: {date}, Time: {time}".format(**dict(zip(['date', 'time', 'name'], i))) for i in f()]
   return wrapper

@beautify
def raw_data():
   s = soup(data, 'lxml')
   final_data = [i.text for i in s.find_all('td')]
   final_results = [list(b) for a, b in itertools.groupby(final_data, key=lambda x:bool(re.findall('\d+\.\d+\.\d+$', x)))]
   new_final_data = [[a+b[i:i+2] for i in range(0, len(b), 2)] for a, b in [final_results[i:i+2] for i in range(0, len(final_results), 2)]]
   return [i for b in new_final_data for i in b]

输出：

['Name: Event_1, Date: 28.02.2018, Time: 18:00', 'Name: Event_2, Date: 28.02.2018, Time: 19:00', 'Name: Event_3, Date: 01.03.2018, Time: 18:00', 'Name: Event_4, Date: 01.03.2018, Time: 19:00', 'Name: Event_5, Date: 01.03.2018, Time: 20:00']

【讨论】：