如何使用选择器查找某些文本？

Question

我已经在 python 中编写了一个脚本来查找 td 标记中的文本，这是第一个 tdtag 的 next sibling，使用 BeautifulSoup 和 css 选择器。如果我运行脚本，我发现它可以工作。但是，当我使用lxml 库执行相同操作时，它不再起作用。我怎样才能让我的后一个脚本工作？谢谢。

这是内容：

html_content="""
<tr>
  <td width="25%" valign="top" bgcolor="lightgrey" nowrap="">
      <font face="Arial" size="-1" color="224119">
        <b>Owner Address&nbsp;</b>
      </font>
  </td>
  <td width="75%" valign="top" nowrap="">
      <font face="Arial" size="-1" color="black">
        1698 EIDER DOWN DR<br>SUMMERVILLE&nbsp;SC&nbsp;29483
      </font>
  </td>
</tr>
"""

使用 bs4：

from bs4 import BeautifulSoup
soup = BeautifulSoup(html_content,"lxml")
item = soup.select("td")[0].find_next_sibling().text
print(item)

结果：

1698 EIDER DOWN DRSUMMERVILLE SC 29483

下面的脚本可以找到地址字符串：

from lxml.html import fromstring
root = fromstring(html_content)
item = root.cssselect("td b:contains('Address')")[0].text
print(item)

结果：

Owner Address

在查找下一个兄弟时不起作用（应用“+”号查找下一个兄弟：

from lxml.html import fromstring
root = fromstring(html_content)
item = root.cssselect("td b:contains('Owner Address')+td")[0].text
print(item)

结果：

Traceback (most recent call last):
  File "C:\Users\ar\AppData\Local\Programs\Python\Python35-32\new_line_one.py", line 28, in <module>
    item = root.cssselect("td b:contains('Owner Address')+td")[0].text
IndexError: list index out of range

我怎样才能找到下一个兄弟姐妹？顺便说一句，我只关注css选择器而不是xpath。谢谢。

Answer 1

来自 css3 选择器docs：

8.3.1。相邻兄弟组合器

相邻的兄弟组合子由“加号”（U+002B，+）组成 分隔两个简单选择器序列的字符。这 由两个序列表示的元素在 文档树和第一个序列表示的元素 紧接在第二个表示的元素之前。

这意味着在您的选择器td b:contains('Owner Address')+td 中，您要求的td 与包含“地址”的b 具有相同的父级，并且是另一个td 的子级。该节点不存在。要使其工作，您需要确保您的第一个部分选择器与td 匹配，而不是b 节点。由于它们相互包含，因此可以使用以下方法：

td:contains('Owner Address') + td

请注意，这个 td 没有文本（只有子节点），所以你的 sn-p 从上面只打印空格。