如何使用美汤4查找属性答案

【问题标题】：How to use Beautiful Soup 4 to find attribute如何使用美汤4查找属性
【发布时间】：2016-08-16 18:00:43
【问题描述】：

我正在尝试解析 html，如下所示：

<tbody>
    <tr class data-row="0">
        <td align="right"></td>
    </tr>
    <tr class data-row="1">
        <td align="right"></td>
    </tr>
    <tr class="thead over_theader" data-row="2">
        <td align="right"></td>
    </tr>
    <tr class="thead" data-row="3">
        <td align="right"></td>
    </tr>
    <tr class data-row="4">
        <td align="right"></td>
    </tr>
    <tr class data-row="5">
        <td align="right"></td>
    </tr>
</tbody>

我想获取未指定class 的所有tr 标签（及其子标签）。对于上面的示例，这意味着我想要 tr 标签，其中 data-row 不是 2 或 3。

如何使用 Beautiful Soup 4 做到这一点？

我试过了

tableBody = soup.findAll('tbody')
rows = tableBody[0].findAll(attrs={"class":""})

但是当我想要一个长度为 4 的 bs4.element.ResultSet（每个 tr 一个带有 @987654332 @)。

【问题讨论】：

标签： python html parsing attributes beautifulsoup

【解决方案1】：

find_all 默认会递归搜索。所以td 标签是有效匹配。

Docs:

如果您调用mytag.find_all()，Beautiful Soup 将检查mytag 的所有后代：它的孩子、它孩子的孩子等等。如果只希望美汤考虑直子，可以传入recursive=False

所以你可以写，例如：

tableBody = soup.findAll('tbody')
rows = tableBody[0].find_all(attrs={"class":""}, recursive=False)

print(len(rows))
for r in rows:
    print('---')
    print(r)

输出：

4
---
<tr class="" data-row="0">
<td align="right"></td>
</tr>
---
<tr class="" data-row="1">
<td align="right"></td>
</tr>
---
<tr class="" data-row="4">
<td align="right"></td>
</tr>
---
<tr class="" data-row="5">
<td align="right"></td>
</tr>

【讨论】：

【解决方案2】：

当我指定tr 标签名称时，您的方法实际上对我有效：

>>> from bs4 import BeautifulSoup
>>> data = """
... <tbody>
...     <tr class data-row="0">
...         <td align="right"></td>
...     </tr>
...     <tr class data-row="1">
...         <td align="right"></td>
...     </tr>
...     <tr class="thead over_theader" data-row="2">
...         <td align="right"></td>
...     </tr>
...     <tr class="thead" data-row="3">
...         <td align="right"></td>
...     </tr>
...     <tr class data-row="4">
...         <td align="right"></td>
...     </tr>
...     <tr class data-row="5">
...         <td align="right"></td>
...     </tr>
... </tbody>
... """
>>> soup = BeautifulSoup(data, "html.parser")
>>> len(soup.find_all("tr", class_=""))
4

或者，您可以使用tr[class=""] CSS selector：

>>> len(soup.select('tr[class=""]'))
4

【讨论】：