BeautifulSoup - 如何提取指定字符串后的文本

Question

我的HTML格式如下：

<tr>
    <td>Title:</td>
    <td>Title value</td>
</tr>

我必须指定在这之后<td>和我想要抓取第二个<td>的文本的文本。类似于：抓取<td>之后第一个<td>的文本，其中包含文本Title:。结果应该是：Title value

我对Python和BeutifulSoupno有一些基本的了解，而且我不知道在没有class的情况下如何做到这一点。在

我试过了：

^{pr2}$

我收到错误：AttributeError:'ResultSet' object has no attribute 'nextSibling'

Answer 1

对于使用xpath的lxml，您要做的事情相对容易一些。你可以试试这样的方法

from lxml import etree
tree = etree.parse(<your file>)
path_list = tree.xpath('//<xpath to td>')
for i in range(0, len(path_list)) :
    if path_list[i].text == '<What you want>' and i != len(path_list) :
        your_text = path_list[i+1].text

Answer 2

首先，soup.find_all()返回一个ResultSet，它包含标记为td和字符串为Title:的所有元素。在

对于结果集中的每个这样的元素，您将需要分别获得nextSibling（另外，您应该循环直到找到标记td的nextSibling，因为您可以在这两者之间获得其他元素（比如NavigableString））。在

示例-

>>> from bs4 import BeautifulSoup
>>> s="""<tr>
...     <td>Title:</td>
...     <td>Title value</td>
... </tr>"""
>>> soup = BeautifulSoup(s,'html.parser')
>>> row =  soup.find_all('td', string='Title:')
>>> for r in row:
...     nextSib = r.nextSibling
...     while nextSib.name != 'td' and nextSib is not None:
...             nextSib = nextSib.nextSibling
...     print(nextSib.text)
...
Title value

---

或者您可以使用另一个支持XPATH的库，使用XPATH可以很容易地做到这一点。其他库如-lxml或xml.etree。在