python - Beautifulsoup 在表中获取值

Question

我正在尝试抓取 http://www.co.jefferson.co.us/ats/displaygeneral.do?sch=000104并获得“所有者姓名”我有什么工作但真的很难看而且不是我确定的最好的，所以我正在寻找更好的方法。这是我所拥有的:

soup = BeautifulSoup(url_opener.open(url))            
x = soup('table', text = re.compile("Owner Name"))
print 'And the owner is', x[0].parent.parent.parent.tr.nextSibling.nextSibling.next.next.next

相关的 HTML 是

<td valign="top">
    <table border="1" cellpadding="1" cellspacing="0" align="right">
    <tbody><tr class="tableheaders">
    <td>Owner Name(s)</td>
    </tr>

    <tr>

    <td>PILCHER DONALD L                         </td>
    </tr>

    </tbody></table>
</td>

哇，有很多关于 beautifulsoup 的问题，我浏览了它们，但没有找到对我有帮助的答案，希望这不是重复的问题

Answer 1

(编辑:显然 OP 发布的 HTML 是谎言——实际上没有要查找的 tbody 标签，尽管他强调要包含在那个 HTML。所以，更改为使用 table 而不是 tbody)。

由于您可能需要多个表行(例如，查看您提供的行的同级 URL，最后一位数字 4 更改为 5)，我建议使用如下循环:

# locate the table containing a cell with the given text
owner = re.compile('Owner Name')
cell = soup.find(text=owner).parent
while cell.name != 'table': cell = cell.parent
# print all non-empty strings in the table (except for the given text)
for x in cell.findAll(text=lambda x: x.strip() and not owner.match(x)):
  print x

这对于页面结构中的微小变化相当稳健:找到感兴趣的单元格后，它循环其父级直到找到表格标记，然后遍历该表格中非空(或只是空白)的所有可导航字符串)，不包括 owner header 。