python - 获取html标签内的所有子元素
Posted
技术标签:
【中文标题】python - 获取html标签内的所有子元素【英文标题】：python - get all child elements inside html tag 【发布时间】：2020-02-01 08:08:47 【问题描述】：<body>
<div>
<p></p>
<p></p>
<p></p>
</div>
<main>
<div>
<p></p>
<p></p>
<p></p>
</div>
</main>
<section>
<article>
<p></p>
<p></p>
<p></p>
<p></p>
</article>
</section>
</body>
我正在尝试查找具有最多子标签元素级别 1 的标签 输出：“文章”
基本上我试图在随机 URL 中找到内容最多的元素标签。
【问题讨论】：
您能否展示一下您目前正在尝试使用的代码？ 【参考方案1】：我能想到的最好的办法是让里面的内容最多的课程
def get_links_inside_url(url):
"""
"""
page = urlopen( url ).read() #getting the whole html souorce raw (unclear)
soup = BeautifulSoup(page, "lxml") #getting the whole html souorce raw (clear)
d =
classes = []
for element in soup.find_all(class_=True):
classes.extend(element["class"])
for cls in classes:
class_content = soup.body.find(attrs='class':cls)
if class_content and ';' not in class_content.text and len(class_content.text) > 100:
char_in_class = len(class_content.text)
print(char_in_class)
if cls not in d :
d[cls] = char_in_class
else:
d[cls] += char_in_class
return d
【讨论】：
以上是关于python - 获取html标签内的所有子元素的主要内容，如果未能解决你的问题，请参考以下文章
jquery如何获取标签本生的文本内容，不获取本身子级元素及子级元素的内容
Python3 爬虫U11_BeautifulSoup4之select和CCS选择器提取元素