python如何使用beauthoulsoup获取网页中某个文本之前的所有<p>标记？

Question

我的网站有很多<p>标签。我希望所有的<p>标记都写在网页中某个唯一文本之前。 我怎样才能做到这一点？在

<p>p1</p>
<p>p2</p>
<p>p3</p>
<span class="zls" id=".B1.D9.87.D8.A7.DB.8C_.D9.88.D8.A"> certain unique text </span>
<p>p4</p>
<p>p5</p>

所以我想得到[p1，p2，p3]的列表，但我不想要p4和p5。在

Answer 1

您可以使用find_all中的function来选择“p”标记，前提是它们以前的所有同级标记都不包含特定的文本，例如：

html = '''
<p>p1</p>
<p>p2</p> 
<p>p3</p>
<span class="zls" id=".B1.D9.87.D8.A7.DB.8C_.D9.88.D8.A"> certain unique text </span>
<p>p4</p>
<p>p5</p>
'''
soup = BeautifulSoup(html, 'html.parser')

def select_tags(tag, text='certain unique text'):
    return tag.name=='p' and all(text not in t.text for t in tag.find_previous_siblings())

print(soup.find_all(select_tags))

[<p>p1</p>, <p>p2</p>, <p>p3</p>]

Answer 2

除了t.m.adam先生已经展示的内容之外，您还可以这样做来从类zls之前出现的p标记中获取文本：

from bs4 import BeautifulSoup

html_content = '''
<t>p0</t>
<y>p00</y> 
<p>p1</p>
<p>p2</p> 
<p>p3</p>
<span class="zls" id=".B1.D9.87.D8.A7.DB.8C_.D9.88.D8.A"> certain unique text </span>
<p>p4</p>
<p>p5</p>
'''
soup = BeautifulSoup(html_content, 'lxml')

for items in soup.select(".zls"):
    tag_items = [item.text for item in items.find_previous_siblings() if item.name=="p"]
    print(tag_items)

输出：

^{pr2}$