在 BS4 中查找具有多个元素的标签

Question

我如何找到这样的标签：

<us-applicant sequence="001" app-type="applicant" designation="us-only">

并且只找到那些使用 BS4 的 us-applicant sequence="001"（所以不是 us-applicant sequence="002"）？我熟悉查找看起来更像的标签：

<applicant>APPLICANTNAME</applicant>

我正在寻找可以接受这个的东西：

 <us-applicant sequence="001" app-type="applicant" designation="us-only">
  <some sub-tag>Data1</some sub-tag>
 <us-applicant sequence="001" app-type="applicant" designation="us-only">
  <some sub-tag>Data2</some sub-tag>
 <us-applicant sequence="002" app-type="applicant" designation="us-only">
  <some sub-tag>Data3</some sub-tag>

当我写一个vars = soup.findall(SOMETHING) for var in vars: data = vars.find_all('some sub-tag') return(data.text)

只会返回 Data1 和 Data2，不会返回 Data3

Answer 1

标签中不允许有空格；因此，我更改了 <some sub-tag> 之类的标签，将空格替换为连字符。

soup.findAll 查找 HTML 中带有标签“us-applicant”和“sequence”“002”的元素列表。由于只有一个，我们选择此列表的第 0 个元素。现在我们向这个元素询问它带有标签“some-sub-tag”的元素。最后我们显示该元素的text 属性。

>>> HTML = '''
... <us-applicant sequence="001" app-type="applicant" designation="us-only">
...   <some-sub-tag>Data1</some-sub-tag>
...    <us-applicant sequence="001" app-type="applicant" designation="us-only">
...      <some-sub-tag>Data1</some-sub-tag>
...       <us-applicant sequence="002" app-type="applicant" designation="us-only">
...         <some-sub-tag>Data1</some-sub-tag>
...         '''
>>> import bs4
>>> soup = bs4.BeautifulSoup(HTML, 'lxml')
>>> one_applicant = soup.findAll('us-applicant', attrs={'sequence': '002'})[0]
>>> one_applicant 
<us-applicant app-type="applicant" designation="us-only" sequence="002">
<some-sub-tag>Data1</some-sub-tag>
</us-applicant>
>>> sub_tag = one_applicant.find('some-sub-tag')
>>> sub_tag
<some-sub-tag>Data1</some-sub-tag>
>>> sub_tag.text
'Data1'