【问题标题】：Python BeautifulSoup - Find specific <li> in nested <div> & <ul>Python BeautifulSoup - 在嵌套的 <div> 和 <ul> 中查找特定的 <li>
【发布时间】：2018-03-25 09:24:24
【问题描述】：

我尝试从以下 HTML 中提取“HORROR”：

<div class="synopsis-section">
    <div class="movie-add-info left">
        <ul>
            <li>DIRECTOR : Matthew Vaughn</li>
            <li>ACTORS : </li>
            <li>DURATIONS : 107 Minutes</li>
            <li>CENSOR RATING : 17+</li>
            <li>GENRE : HORROR</li>
            <li>LANGUAGE : BAHASA INDONESIA</li>
       </ul>
     </div>

我是这样尝试的：

    >> response = get(url)
    >> html_soup = BeautifulSoup(response.text, 'html.parser')
    >> containers = html_soup.find('div', class_='movie-add-info left')
    >> containers.li

输出：导演：马修·沃恩

“HORROR”没有特定的“li”；任何人都可以帮助我摆脱“恐怖”吗？

【问题讨论】：

标签： python html web web-scraping beautifulsoup

【解决方案1】：

import re
from bs4 import BeautifulSoup

soup = BeautifulSoup(my_html, 'lxml')

result = soup.find('div', {'class': 'movie-add-info left'}).find('ul').findChildren(text=re.compile(r'GENRE'))

print(result[0])

输出：

GENRE : HORROR

如果你只想要'HORROR'，就拆分吧：

print(result[0].split()[2])

【讨论】：

我怀疑（供将来使用）OP 可能想要检查 if 'GENRE' in x.text 并获取正确的类型（在本例中为恐怖）以供进一步使用

【解决方案2】：

您可以使用 css 选择器在没有正则表达式的帮助下获得所需的输出。

from lxml.html import fromstring

root = fromstring(my_html)
genre = root.cssselect(".movie-add-info li:contains('GENRE')")[0].text
print(genre.split(":")[1].strip())

结果：

HORROR

【讨论】：

【解决方案3】：

纯蟒蛇

pattern = "<li>GENRE : "

with open("file.html") as file:
    for line in file:
        if pattern in line:
            print(line.replace(pattern, "").replace("</li>", "").strip())

输出：

恐怖

【讨论】：