您如何使用 Python 和 BS4 读取相邻 html 元素的内容？答案

【问题标题】：How do you read contents of adjacent html element using Python and BS4?您如何使用 Python 和 BS4 读取相邻 html 元素的内容？
【发布时间】：2015-01-29 00:22:42
【问题描述】：

使用 Python 和 BeautifulSoup4，如何在页面源中找到特定链接后读取下一个 html 元素。比如在这个页面源码的sn-p中：

<a class="" onclick="" href="http://moodle.example.com/mod/resource/view.php?id=16952"><img src="http://moodle.example.com/theme/image.php/afterburner/core/1410701261/f/document-24" class="iconlarge activityicon" alt=" " role="presentation" /><span class="instancename">100 Days of English<span class="accesshide " > File</span></span></a>

我能够提取到资源的链接，但需要文件类型，该文件类型可以从示例中的“src”链接“document-24”末尾紧跟的“img”标签中识别这里。（pdf-24、powerpoint-24 是其他文件类型指标的示例）

当前代码：

for resource in soup.find_all('a'):
    if '/mod/resource/view.php?id=' in resource.get('href'):
        file_list.append(str(resource.get('href')))

获取所有资源的链接（然后我使用 Mechanize 下载）。

【问题讨论】：

标签： python html beautifulsoup html-parsing web-crawler

【解决方案1】：

只要在资源中找到img标签，将src属性值除以/，得到最后一个元素：

from bs4 import BeautifulSoup

data = """
<a class="" onclick="" href="http://moodle.example.com/mod/resource/view.php?id=16952">
    <img src="http://moodle.example.com/theme/image.php/afterburner/core/1410701261/f/document-24" class="iconlarge activityicon" alt=" " role="presentation" />
    <span class="instancename">100 Days of English<span class="accesshide " > File</span></span>
</a>
"""

soup = BeautifulSoup(data)
for resource in soup.find_all('a'):
    if '/mod/resource/view.php?id=' in resource.get('href'):
        src = resource.img.get('src')
        print src.split('/')[-1]

打印document-24。

【讨论】：