如何使用 beautifulsoup 为 html 嵌套标签定义 findAll

Question

给定

<a href="www.example.com/"></a>

<table class="theclass">
<tr><td>
<a href="www.example.com/two">two</a>
</td></tr>
<tr><td>
<a href ="www.example.com/three">three</a>
<span>blabla<span>
</td></td>
</table>

我怎样才能只抓取表 class="the class" 中的内容？我尝试使用

soup = util.mysoupopen(theexample) 
infoText = soup.findAll("table", {"class": "the class"})

但我不知道如何进一步定义发现语句。我尝试过的其他方法是将 findAll() 的结果转换为数组。然后寻找针何时出现的模式，但我找不到一致的模式。 谢谢

Answer 1

如果我理解你的问题。那是应该工作的python代码。迭代查找所有带有 class="theclass" 的表，然后查找其中的链接。

>>> foo = """<a href="www.example.com/"></a>
... <table class="theclass">
... <tr><td>
... <a href="www.example.com/two">two</a>
... </td></tr>
... <tr><td>
... <a href ="www.example.com/three">three</a>
... <span>blabla<span>
... </td></td>
... </table>
... """
>>> import BeautifulSoup as bs
>>> soup = bs.BeautifulSoup(foo)
>>> for table in soup.findAll('table', {'class':'theclass'} ):
...     links=table.findAll('a')
... 
>>> print links
[<a href="www.example.com/two">two</a>, <a href="www.example.com/three">three</a>]

Answer 2

infoText 是一个列表。您应该对其进行迭代。

>>>for info in infoText:
>>>    print info.tr.td.a
<a href="www.example.com/two">two</a>

然后您可以访问<table> 元素。如果您只希望文档中有一个带有“theclass”类的表格元素，soup.find("table", {"class": "the class"}) 会直接为您提供表格。