python3使用索引访问bs4元素的行答案

【问题标题】：python3 access bs4 element's lines with indexpython3使用索引访问bs4元素的行
【发布时间】：2017-10-18 12:04:36
【问题描述】：

我有一个 bs4 对象，并使用 findAll 和 find_next_sibling 选择其中的一部分。从我称之为“兄弟”的这一部分，我使用这样的 for 循环访问每一行：

for cursor in sibling:
    index = sibling.index(cursor)
    print(index)          # works until here
    next_cursor = sibling[index+1]
    print(next_cursor)    # breaks with KeyError

有人知道我在这里缺少什么吗？

【问题讨论】：

标签： python python-3.x beautifulsoup

【解决方案1】：

假设我了解您的情况，我可以建议一种更简单的解决方法。

假设你有这样的 HTML。

<span id="first">I'm first</span>
<span>first sibling</span>
<span>second sibling</span>
<span>third sibling</span>
<span>fourth sibling</span>
<span>fifth sibling</span>

然后你可以找到第一个 span 元素，然后使用这样的代码识别它的所有兄弟元素。

>>> import bs4
>>> soup = bs4.BeautifulSoup(open('temp.htm').read(), 'lxml')
>>> first = soup.select('#first')
>>> first
[<span id="first">I'm first</span>]

此行仅用于显示findNextSiblings 方法为您提供的内容。

>>> first[0].findNextSiblings()
[<span>first sibling</span>, <span>second sibling</span>, <span>third sibling</span>, <span>fourth sibling</span>, <span>fifth sibling</span>]

这意味着，一旦您有了指向第一个兄弟的指针，您就可以通过一个 for 语句获取所有其他兄弟。

>>> for sib in first[0].findNextSiblings():
...     sib.text
... 
'first sibling'
'second sibling'
'third sibling'
'fourth sibling'
'fifth sibling'

另一种方法fetchNextSiblings 提供的结果与上面使用的方法相同。

>>> first[0].fetchNextSiblings()
[<span>first sibling</span>, <span>second sibling</span>, <span>third sibling</span>, <span>fourth sibling</span>, <span>fifth sibling</span>]

【讨论】：

感谢您的建议。我可以通过访问兄弟 [index+2] 而不是 index+1 来解决我的问题。内容嵌套在
括号中，当我使用 index+1 时，我访问了这些括号。
不客气。我这样回答是因为我认为你可能会觉得它很有用，但我不知道你在解决什么问题。
其实我没有意识到那些
括号组成了自己的一行。我认为它们是我正在查看的线条的一部分。
@Ollie：也许你应该停止在行中思考，因为 BeatifulSoup 不是在行上操作，而是在对象树上操作。

【解决方案2】：

你用 BeautifulSoup 创建的兄弟不能像这样逐行读取。

兄弟的类型是 bs4.element.Tag。如果您想逐行阅读，则必须将其转换为字符串，然后在其上调用.splitlines()。

像这样：

for line in str(sibling).splitlines():
    ...

【讨论】：

感谢您的评论。不需要分割行，因为 for 循环是逐行访问内容。