python - beautifulsoup，找到文本为 'price' 的第一个，然后从下一个开始获取价格

Question

我的 html 看起来像:

<td>
   <table ..>
      <tr>
         <th ..>price</th>
         <th>$99.99</th>
      </tr>
   </table>
</td>

所以我在当前表格单元格中，如何获得 99.99 值？

我到目前为止:

td[3].findChild('th')

但我需要做的是:

找到带有文本 'price' 的 th，然后获取下一个标签的字符串值。

Answer 1

在“步骤”中考虑它...假定某些 x 是您正在考虑的子树的根，

x.findAll(text='price')

是包含文本 'price' 的子树中所有项目的列表。这些项目的 parent 当然是:

[t.parent for t in x.findAll(text='price')]

如果你只想保留那些“名字”(标签)是'th'的，那当然

[t.parent for t in x.findAll(text='price') if t.parent.name=='th']

并且您想要那些的“下一个 sibling ”(但前提是他们也是'th')，所以

[t.parent.nextSibling for t in x.findAll(text='price')
 if t.parent.name=='th' and t.parent.nextSibling and t.parent.nextSibling.name=='th']

在这里您可以看到使用列表理解的问题:重复太多，因为我们无法将中间结果分配给简单的名称。因此，让我们切换到一个很好的旧循环......:

编辑:添加了对父 th 和“下一个兄弟”之间的文本字符串的容忍度，以及对后者是 td< 的容忍度 相反，根据 OP 的评论。

for t in x.findAll(text='price'):
  p = t.parent
  if p.name != 'th': continue
  ns = p.nextSibling
  if ns and not ns.name: ns = ns.nextSibling
  if not ns or ns.name not in ('td', 'th'): continue
  print ns.string

我已经添加了 ns.string，当且仅当它们只是文本(没有进一步的嵌套标签)时，它将给出下一个兄弟的内容——当然你可以进一步分析这一点，取决于你的应用程序的需要!-)。同样，我想你不会只是做 print，而是做一些更聪明的事情，但我给你的是结构。

谈到结构，请注意我两次使用 if...: continue:与反转 if 的条件和缩进的替代方案相比，这减少了嵌套循环中的所有以下语句——“扁平优于嵌套”是 Python 之禅中的一个公案(import this 在交互式提示下查看所有内容并进行冥想；-) .