在 python beautifulsoup 中加入如何工作答案

【问题标题】：How does join work in python beautifulsoup在 python beautifulsoup 中加入如何工作
【发布时间】：2012-09-05 13:48:45
【问题描述】：

我正在学习python和beautifulsoup，在网上看到了这段代码：

from BeautifulSoup import BeautifulSoup, SoupStrainer
import re

html = ['<html><body><p align="center"><b><font size="2">Table 1</font></b><table><tr><td>1. row 1, cell 1</td><td>1. row 1, cell 2</td></tr><tr><td>1. row 2, cell 1</td><td>1. row 2, cell 2</td></tr></table><p align="center"><b><font size="2">Table 2</font></b><table><tr><td>2. row 1, cell 1</td><td>2. row 1, cell 2</td></tr><tr><td>2. row 2, cell 1</td><td>2. row 2, cell 2</td></tr></table></html>']
soup = BeautifulSoup(''.join(html))
searchtext = re.compile(r'Table\s+1',re.IGNORECASE)
foundtext = soup.find('p',text=searchtext) # Find the first <p> tag with the search text
table = foundtext.findNext('table') # Find the first <table> tag that follows it
rows = table.findAll('tr')
for tr in rows:
    cols = tr.findAll('td')
    for td in cols:
        try:
            text = ''.join(td.find(text=True))
        except Exception:
            text = ""
        print text+"|",
    print

虽然其他一切都很清楚，但我无法理解连接是如何工作的。

    text = ''.join(td.find(text=True))

我尝试在 BS 文档中搜索 join，但我找不到任何东西，也无法真正在线找到有关如何在 BS 中使用 join 的帮助。

请告诉我这条线是如何工作的。谢谢！

PS：上面的代码来自另一个stackoverflow页面，它不是我的作业:) How can I find a table after a text string using BeautifulSoup in Python?

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

''.join() 是一个 python 函数，不是任何特定于 BS 的函数。它可以让您以字符串作为连接值来连接序列：

>>> '-'.join(map(str, range(3)))
'0-1-2'
>>> ' and '.join(('bangers', 'mash'))
'bangers and mash'

'' 只是一个空字符串，可以更轻松地将一整组字符串组合成一个大字符串：

>>> ''.join(('5', '4', 'apple', 'pie'))
'54applepie'

在您的示例的特定情况下，该语句查找包含在 <td> 元素中的所有文本，包括任何包含的 HTML 元素，例如 <b> 或 <i> 或 <a href=""> 并将它们全部放在一起细绳。所以td.find(text=True) 找到一个python 字符串序列，然后''.join() 将它们连接成一个长字符串。

【讨论】：

@martijin - 感谢您的解释，我想我现在明白了！
完成！我无法标记答案，因为 SO 对低代表的人施加了时间延迟：D 无论如何，再次感谢！

【解决方案2】：

Join 不是 BeautifulSoup 的一部分，而是 Python 中字符串的内置方法。它将一系列元素与给定的字符串连接在一起；例如，'+'.join(['a', 'b', 'c']) 是 a+b+c。见the documentation。

【讨论】：

【解决方案3】：

代码不正确。这一行：

text = ''.join(td.find(text=True))

使用 find，它返回 td 标记的第一个字符串子项并尝试对其使用 join。它可以正常工作，因为 ''.join() 只是迭代第一个字符串子项，创建一个副本。

所以：

<td>foo<b>bar</b></td>

只需运行 ''.join("foo")。

改为使用 td.text 属性。它会自动查找 td 中的所有字符串并将它们连接起来。

text = td.text

【讨论】：