BeautifulSoup 在找到的标签之后查找下一个特定标签

Question

鉴于以下内容（从较大的文档中简化）

<tr class="row-class">
  <td>Age</td>
  <td>16</td>
</tr>
<tr class="row-class">
  <td>Height</td>
  <td>5.6</td>
</tr>
<tr class="row-class">
  <td>Weight</td>
  <td>103.4</td>
</tr>

我尝试使用bs4 和lxml 从相应的行返回16。问题似乎是两个td标签之间有一个Navigable String，所以

page.find_all("tr", {"class":"row-class"})

使用

生成结果集

result[0] = {Tag} <tr class="row-class"> <td>Age</td> <td>16</td> </tr>
result[1] = {Tag} <tr class="row-class"> <td>Height</td> <td>5.6</td> </tr>
result[2] = {Tag} <tr class="row-class"> <td>Weight</td> <td>103.4</td> </tr>

这很好，但我无法获得第二个td 中的字符串。每一行的内容类似于

[' ', <td>Age</td>, ' ', <td>16</td>, ' ']

td 是 tag，' ' 是 Navigable String。这种差异使我无法使用next_element 或next_sibling 便捷方法访问正确的文本，例如：

如果我使用：

find("td", text=re.compile(r'Age')).get_text()

我收到Age。但是如果我尝试通过

访问下一个元素

find("td", text=re.compile(r'Age')).next_element()

我明白了

'NavigableString' 对象不可调用

由于在result 中包裹了NavigableStrings，所以用previous_element 向后移动也有同样的问题。

我如何从找到的Tag 移动到下一个Tag，跳过两者之间的next_element？有没有办法从result 中删除这些' '？

我应该指出，我已经尝试过以如下方式务实：

    for r in (sp.find_all("tr", {"class":"row-class"})):
        age = r.find("td", text=re.compile(r"\d\d")).get_text()

它可以工作...直到我解析一个文档，该文档在Age 之前具有匹配的\d\d 的另一个订单。

我也知道我可以

find("td", text=re.compile(r'Age')).next_sibling.next_sibling

但这是硬烤结构。

所以我需要在搜索中具体找到具有目标字符串的td，然后在下一个td中找到值。我知道我可以构建一些逻辑来测试每一行，但似乎我遗漏了一些明显且更优雅的东西......

Answer 1

如果您获取元素列表，则可以使用[index] 从列表中获取元素。

data = """<tr class="row-class">
  <td>Age</td>
  <td>16</td>
</tr>
<tr class="row-class">
  <td>Height</td>
  <td>5.6</td>
</tr>
<tr class="row-class">
  <td>Weight</td>
  <td>103.4</td>
</tr>"""

from bs4 import BeautifulSoup

soup = BeautifulSoup(data)

trs = soup.find_all("tr", {"class":"row-class"})

for tr in trs:
    tds = tr.find_all("td") # you get list

    print('text:', tds[0].get_text()) # get element [0] from list
    print('value:', tds[1].get_text()) # get element [1] from list

结果

text: Age
value: 16
text: Height
value: 5.6
text: Weight
value: 103.4