如何找到带有跨度的 td 的下一个 td?
html_text = """
<tr class="someClass">
<td> </td>
<td>A normal string</td>
<td class="someClass">10</td>
<td class="someClass">11</td>
<td class="someClass">12</td>
<td> </td>
</tr>
<tr class="someClass">
<td> </td>
<td>Non normal string <span style="font-size:10px">(with span)</span></td>
<td class="someClass">2 000</td>
<td class="someClass">2 100</td>
<td class="someClass">2 150</td>
<td> </td>
</tr>
"""
要在 td 之后获取带有“普通字符串”的 td,我只需通过以下方式找到它:
a_normal_string = str(soup.find("td", text="A normal string").find_next('td'))
a_normal_string = re.findall(r'\d+', a_normal_string)
print a_normal_string #['10']
但是,在第二个 tr 中,我需要在带有 Non normal string 的 td 之后找到 td上面的方法是行不通的。那么如何处理包含 span 的 td 呢?
首先想到的是通过正则表达式找到它并编译a_nonnormal_string = str(soup.find("td", text=re.compile(r'A non normal string')).find_next('td'))但这也不适用。
这只是两个 trs 的示例,但实际网站有数百个 trs。
请您参考如下方法:
一个选择是用 searching function 来解决它,使用 get_text() 根据所需字符串检查文本(注意 get_text() 返回元素的完整文本,包括其子元素,但 .string does not -如果有子元素,它将是 None - 这实际上是您的第二种方法不起作用的原因):
tds = soup.find_all(lambda tag: tag.name == "td" and "normal string" in tag.get_text())
for td in tds:
a_normal_string = td.find_next('td').get_text()
print(a_normal_string)
打印:
10
2 000
