当HTML代码不一致时，如何在python中使用bs4识别正确的td标签答案

【问题标题】：How can I identify the correct td tag using bs4 in python when HTML code is inconsistent当HTML代码不一致时，如何在python中使用bs4识别正确的td标签
【发布时间】：2016-08-12 23:37:05
【问题描述】：

我在 Python 中使用 BeautifulSoup4 来解析一些 HTML 代码。我已经设法深入到正确的表并识别 td 标签，但我面临的问题是标签中的样式属性应用不一致，这使得获取正确 td 标签的任务成为真正的挑战.

我试图提取的数据是一个日期字段，但在任何时候都会有多个使用 CSS 隐藏的 td 标签（可见的内容取决于 HTML 代码中其他地方选择的选项值）。

实际例子：

<td style="display: none;">01/03/2016</td>
<td style="display: table-cell;">27/10/2015</td> <-- this is the tag I want

和

<td style="display:none">23/02/2016</td>
<td style="">09/05/2011</td> <-- this is the tag I want
<td style="display: none;">29/03/2011</td>
<td style="display:none">19/10/2010</td>

和

<td>27/10/2015</td> <-- this is the tag I want
<td style="display: none">01/03/2016</td>
<td style="display: none">22/03/2016</td>

和

<td style="display:none">11/04/2015</td>
<td style="display: table-cell;">02/02/2016</td> <-- this is the tag I want
<td style="display: none">18/10/2013</td>

我将如何排除/删除不正确的项目（样式为 display:none 和 display: none）以留下我真正想要的项目？

【问题讨论】：

标签： python html beautifulsoup bs4

【解决方案1】：

使用列表 comp 过滤 td，仅当 td 在集合{"display:none", "display: none;","display: none;","display: none"} 中没有样式属性时才保留：

In [8]: h1 = """"<td style="display: none;">01/03/2016</td>
   ...: <td style="display: table-cell;">27/10/2015</td>"""

In [9]: h2 = """"<td style="display:none">23/02/2016</td>
   ...: <td style="">09/05/2011</td> <-- this is the tag I want
   ...: <td style="display: none;">29/03/2011</td>
   ...: <td style="display:none">19/10/2010</td>"""

In [10]: h3 = """"<td>27/10/2015</td> <-- this is the tag I want
   ....: <td style="display: none">01/03/2016</td>
   ....: <td style="display: none">22/03/2016</td>"""

In [11]: h4 = """<td style="display:none">11/04/2015</td>
   ....: <td style="display: table-cell;">02/02/2016</td> <-- this is the tag I want
   ....: <td style="display: none">18/10/2013</td>"""

In [12]: ignore = {"display:none", "display: none;", "display: none;", "display: none"}

In [13]: for html in [h1, h2, h3, h4]:
   ....:         soup = BeautifulSoup(html, "html.parser")
   ....:         print([td for td in soup.find_all("td") if not td.get("style") in ignore])
   ....:     
[<td style="display: table-cell;">27/10/2015</td>]
[<td style="">09/05/2011</td>]
[<td>27/10/2015</td>]
[<td style="display: table-cell;">02/02/2016</td>]

【讨论】：