BeautifulSoup 通过 html 标签中的 2 个术语查找文本 - Python 3答案

【问题标题】：BeautifulSoup find text through 2 terms in html tag - Python 3BeautifulSoup 通过 html 标签中的 2 个术语查找文本 - Python 3
【发布时间】：2017-05-17 10:52:18
【问题描述】：

我正在尝试从 html 文件中抓取一些文本，但是我需要两种类型的文本，它们的标签中的一个术语 (contextref) 彼此不同，例如：

1)<ix:nonfraction contextref="cfwd_30_04_2016" name="ns5:TangibleFixedAssets" unitref="GBP" decimals="0" format="ixt2:numdotdecimal" scale="0" xmlns:ix="http://www.xbrl.org/2008/inlineXBRL">180,649</ix:nonfraction>

2)<ix:nonfraction contextref="cfwd_30_04_2015" name="ns5:TangibleFixedAssets" unitref="GBP" decimals="0" format="ixt2:numdotdecimal" scale="0" xmlns:ix="http://www.xbrl.org/2008/inlineXBRL">200,395</ix:nonfraction>

目前我查找文本的代码是：var1=(soup.find('ix:nonfraction',{'name':'uk-gaap:{}'.format(variable)}).text)，上面的示例给出：180,649。

为了让我能够同时获得这两个值，我需要另一个变量来包含另一个术语以及name，（作为contextref）我尝试了不同的组合，但似乎无法使其工作。

任何帮助都会很棒，谢谢

【问题讨论】：

这是 xml 代码吗？并发布你想要的输出。
不，文件都是.html 理想的输出是var1 包含来自第一个标签的文本文件 = 180,649 和 var2 来自第二个标签 = 200,395。可能值得注意的是这两个标签不在同一个头标签下

标签： python html python-3.x beautifulsoup html-parsing

【解决方案1】：

import bs4

html = '''<ix:nonfraction contextref="cfwd_30_04_2016" name="ns5:TangibleFixedAssets" unitref="GBP" decimals="0" format="ixt2:numdotdecimal" scale="0" xmlns:ix="http://www.xbrl.org/2008/inlineXBRL">180,649</ix:nonfraction>
<ix:nonfraction contextref="cfwd_30_04_2015" name="ns5:TangibleFixedAssets" unitref="GBP" decimals="0" format="ixt2:numdotdecimal" scale="0" xmlns:ix="http://www.xbrl.org/2008/inlineXBRL">200,395</ix:nonfraction>'''

soup = bs4.BeautifulSoup(html, 'lxml')
var1, var2 = [i.text for i in soup.find_all('ix:nonfraction')]

出来：

('180,649', '200,395')

您可以在find_all() 中使用contextref 作为关键字：

soup.find_all('ix:nonfraction', contextref=True)

这意味着过滤具有contextref属性的标签。

【讨论】：

因为 html 不仅仅包含该标签，因此我得到了大量带有 contextref 的标签：Traceback (most recent call last): File "test.py", line 58, in <module> var1, var2 = [i.text for i in soup.find_all('ix:nonfraction')] ValueError: too many values to unpack (expected 2) 理想情况下，我需要一个代码来查找特定的ix，@987654329 @ 和 contextref