python - 如何序列化 beautifulsoup 访问路径？

Question

我有代码，它的作用如下:

item.previous.parent.parent.aTag['href']

现在我希望能够快速添加过滤器，因此硬编码不再是一种选择。如何使用字符串中编码的路径访问相同的标签？

当然，我可以发明一些格式，如 [('getattr', 'previous'), ('getattr', 'parent'), ..., ('getitem', 'href)] 并用 __getattr__ 解析它和 __getitem__。

现在的问题是:是否已经有一种更漂亮的方法来实现它，或者我需要自己实现它？

Answer 1

在我看来，使用 XPATH 表达式会更好。这个discussion有一些有关 BeautifulSoup 的 XPATH 插件(称为 BSXPath)的信息。我没有使用过它，所以我不知道它是否能达到您的目的。

如果你愿意替换BeautifulSoup那么lxml有一个非常强大的 XPATH 实现。

更新

参见@llasram对此答案的评论:

These days lxml has an html module which the BeautifulSoup implementer himself recommends over BeautifulSoup. It even has a soupparser sub-module which will use BeautifulSoup to do the parsing!