Beautiful Soup 嵌套标签搜索

Question

我正在尝试编写一个 python 程序来计算网页上的单词。我使用 Beautiful Soup 4 来抓取页面，但我很难访问嵌套的 HTML 标签（例如： <p class="hello"> 里面 <div> ）。

每次我尝试使用 page.findAll() （页面是包含整个页面的 Beautiful Soup 对象）方法查找此类标签时，它根本找不到任何东西，尽管有。有什么简单的方法或其他方法吗？

原文由 Asafwr 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

也许我猜你想做的是首先查看特定的 div 标签并搜索其中的所有 p 标签并计算它们或做任何你想做的事情。例如：

 soup = bs4.BeautifulSoup(content, 'html.parser')

# This will get the div
div_container = soup.find('div', class_='some_class')

# Then search in that div_container for all p tags with class "hello"
for ptag in div_container.find_all('p', class_='hello'):
    # prints the p tag content
    print(ptag.text)

希望有帮助

原文由 Mario Kirov 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

试试这个：

 data = []
for nested_soup in soup.find_all('xyz'):
    data = data + nested_soup.find_all('abc')
# data holds all shit together

也许您可以将其转换为 lambda 并让它变得很酷，但这行得通。谢谢。

原文由 Maifee Ul Asad 发布，翻译遵循 CC BY-SA 4.0 许可协议