确定 TD 标签内的类

Question

使用 python beautifulsoup 我正在尝试查找 HTML 页面的所有 <tr> 标记。但是，我想过滤掉在 <td> 标签之一内具有特定类的任何 <tr> 标签。

我已尝试使用以下代码过滤掉<td> 标记中具有“警告”类的行。

soup = BeautifulSoup(data, 'html.parser')
print(soup.find_all('tr', class_=lambda c: 'Warning' not in c))

我知道它没有过滤掉“警告类”，因为我在 find_all 函数中使用了 <tr>，但如果我尝试使用 td，它会给我一个 TypeError: argument of type 'NoneType' is not iterable。

感谢任何想法。

from bs4 import BeautifulSoup

data = '''
<tr role="row" class="odd red" data-id="32">
   <td role="gridcell" class="Warning">33</td>
   <td role="gridcell">Ralph</td>
   <td role="gridcell">List 2</td>
   <td role="gridcell">FE</td>
   <td role="gridcell">07/12/1996</td>
</tr>
<tr role="row" class="even red" data-id="33">
   <td role="gridcell">34</td>
   <td role="gridcell">Mary</td>
   <td role="gridcell">List 2</td>
   <td role="gridcell">SOTLTM</td>
   <td role="gridcell">08/12/1996</td>
</tr>
<tr role="row" class="odd red" data-id="34">
   <td role="gridcell">35</td>
   <td role="gridcell">Tom</td>
   <td role="gridcell">List 2</td>
   <td role="gridcell">SOTLTM</td>
   <td role="gridcell">09/12/1996</td>
</tr>
'''

soup = BeautifulSoup(data, 'html.parser')
print(soup.find_all('td', class_=lambda c: 'Warning' not in c))

Answer 1

class= 不是大多数<td> 元素的属性。这会导致您的 lambda 中的 c 设置为 None，因此您可以通过条件测试自动让它们通过过滤器：

print(soup.find_all('td', class_=lambda c: not c or 'Warning' not in c))
#                                          ^^^^^^^^

输出

[<td role="gridcell">Ralph</td>, 
 <td role="gridcell">List 2</td>, 
 <td role="gridcell">FE</td>, 
 <td role="gridcell">07/12/1996</td>, 
 <td role="gridcell">34</td>, 
 <td role="gridcell">Mary</td>, 
 <td role="gridcell">List 2</td>, 
 <td role="gridcell">SOTLTM</td>, 
 <td role="gridcell">08/12/1996</td>, 
 <td role="gridcell">35</td>, 
 <td role="gridcell">Tom</td>, 
 <td role="gridcell">List 2</td>, 
 <td role="gridcell">SOTLTM</td>, 
 <td role="gridcell">09/12/1996</td>]

---

从那里开始，我们可以根据您的主要关注点应用此条件，即根据子元素过滤 <tr> 元素：

soup = BeautifulSoup(data, 'html.parser')

for tr in soup.find_all('tr'):
    if not bool(tr.find_all('td', class_=lambda c: c and 'Warning' in c)):
        print(tr) # or print(tr.find_all('td')) if you'd like to 
                  # access only the children of the filtered <tr>s

输出

<tr class="even red" data-id="33" role="row">
<td role="gridcell">34</td>
<td role="gridcell">Mary</td>
<td role="gridcell">List 2</td>
<td role="gridcell">SOTLTM</td>
<td role="gridcell">08/12/1996</td>
</tr>
<tr class="odd red" data-id="34" role="row">
<td role="gridcell">35</td>
<td role="gridcell">Tom</td>
<td role="gridcell">List 2</td>
<td role="gridcell">SOTLTM</td>
<td role="gridcell">09/12/1996</td>
</tr>