Python的 - 在BeautifulSoup嵌套标签 [英] Nested tags in BeautifulSoup - Python
问题描述
我看网站上和计算器的例子很多，但我无法找到一个通用的解决方案，以我的问题。我处理一个非常凌乱的网站，我想凑一些数据。标记看起来像这样：
I've looked at many examples on websites and on stackoverflow but I couldn't find a universal solution to my question. I'm dealing with a really messy website and I'd like to scrape some data. The markup looks like so:
...
<body>
...
<table>
<tbody>
<tr>
...
</tr>
<tr>
<td>
...
</td>
<td>
<table>
<tr>
...
</tr>
<tr>
<td>
<a href="...">Some link</a>
<a href="...">Some link</a>
<a href="...">Some link</a>
</td>
</tr>
</table>
</td>
</tr>
</tbody>
</table>
</body>
我遇到的问题是，没有任何元素都有，我可以选择来缩小范围的一些属性。在每个的...有可能是类似的标记，例如多个＆LT; A＆GT;的 ＆LT;表＆gt; 和诸如此类的东西。
我知道 TR表表TR TD一是独一无二的，我需要的联系，但如何将BeautifulSoup抢那些？我不知道怎么抢嵌套的标签没有做一堆code的各行的。
I know that table tr table tr td a is unique to the links I need, but how would BeautifulSoup grab those? I'm not sure how grab nested tags without doing a bunch of individual lines of code.
任何帮助吗？
推荐答案
您可以使用的 CSS选择器>选择 ：
You can use CSS selectors in select:
soup.select('table tr table tr td a')
In [32]: bs4.BeautifulSoup(urllib.urlopen('http://google.com/?hl=en').read()).select('#footer a')
Out[32]:
[<a href="/intl/en/ads/">Advertising Programs</a>,
<a href="/services/">Business Solutions</a>,
<a href="https://plus.google.com/116899029375914044550" rel="publisher">+Google</a>,
<a href="/intl/en/about.html">About Google</a>,
<a href="http://www.google.com/setprefdomain?prefdom=RU&prev=http://www.google.ru/&sig=0_3F2sRGWVktTCOFLA955Vr-AWlHo%3D">Google.ru</a>,
<a href="/intl/en/policies/">Privacy & Terms</a>]
这篇关于Python的 - 在BeautifulSoup嵌套标签的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
