如何使用 Python Beautiful Soup 通过特定的 href 查找同级 HTML 表格元素答案

【问题标题】：How to find a sibling HTML table element by specific href using Python Beautiful Soup如何使用 Python Beautiful Soup 通过特定的 href 查找同级 HTML 表格元素
【发布时间】：2020-06-30 14:14:38
【问题描述】：

使用 Beautiful Soup，我正在尝试从 HTML 表中抓取数据，如下所示：

<table class="ipl-zebra-list ipl-zebra-list--fixed-first release-dates-table-test-only">
  <tr class="ipl-zebra-list__item release-date-item">
   <td class="release-date-item__country-name"><a href="/calendar/?region=de">Germany
   </a></td>
   <td align="right" class="release-date-item__date">15 September 2017</td> <td align="left" class="release-date-item__attributes">(Oldenburg Film Festival)
   </td>
  </tr>
  <tr class="ipl-zebra-list__item release-date-item">
    <td class="release-date-item__country-name"><a href="/calendar/?region=gb">UK
    </a></td>
    <td align="right" class="release-date-item__date">23 March 2018</td> <td class="release-date-item__attributes--empty"></td>
 </tr>
</table>

我正在寻找出现在 <td> 元素的兄弟元素中的日期，其中包括以下 href：

<a href="/calendar/?region=gb">UK

在上面的示例中，此日期为 2018 年 3 月 23 日，但出现 href 的每个实例的日期都不同。但是 href 总是相同的。

总而言之，我正在寻找出现在与上面列出的 href 相邻单元格中的数据。

谢谢！

【问题讨论】：

标签： python html web-scraping beautifulsoup

【解决方案1】：

因此，如果您想将国家名称和日期链接到该国家/地区名称，您可以创建一个这样的字典：

html = '''<table class="ipl-zebra-list ipl-zebra-list--fixed-first release-dates-table-test-only">
  <tr class="ipl-zebra-list__item release-date-item">
   <td class="release-date-item__country-name"><a href="/calendar/?region=de">Germany
   </a></td>
   <td align="right" class="release-date-item__date">15 September 2017</td> <td align="left" class="release-date-item__attributes">(Oldenburg Film Festival)
   </td>
  </tr>
  <tr class="ipl-zebra-list__item release-date-item">
    <td class="release-date-item__country-name"><a href="/calendar/?region=gb">UK
    </a></td>
    <td align="right" class="release-date-item__date">23 March 2018</td> <td class="release-date-item__attributes--empty"></td>
 </tr>
</table>'''


html_code = BeautifulSoup(html, 'html.parser')

countries = html_code.find_all('td', class_='release-date-item__country-name')
dates = html_code.find_all('td', class_='release-date-item__date')

dates_as_dic = {}
for i in range(len(dates)):
    dates_as_dic[countries[i].text.strip()] = dates[i].text

print(dates_as_dic)

输出：

{'Germany': '15 September 2017', 'UK': '23 March 2018'}

【讨论】：