使用 BeautifulSoup 查找 html 中的所有表
Posted
技术标签:
【中文标题】使用 BeautifulSoup 查找 html 中的所有表【英文标题】：Find all tables in html using BeautifulSoup 【发布时间】：2012-04-04 17:31:01 【问题描述】：我想格。内表应包含在外表中。
我创建了一些有效的代码，它给出了预期的输出。但是，我不喜欢这个解决方案，因为它使用了.decompose()，它破坏了'soup'对象。
你知道如何以更优雅的方式做到这一点吗？
from BeautifulSoup import BeautifulSoup as bs
input = '''<html><head><title>title</title></head>
<body>
<p>paragraph</p>
<div><div>
<table>table1<table>inner11<table>inner12</table></table></table>
<div><table>table2<table>inner2</table></table></div>
</div></div>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>
</html>'''
soup = bs(input)
while(True):
t=soup.find("table")
if t is None:
break
print str(t)
t.decompose()
输出：
<table>table1<table>inner11<table>inner12</table></table></table>
<table>table2<table>inner2</table></table>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>
【问题讨论】：
【参考方案1】：使用soup.findAll("table") 代替find() 和decompose()：
tables = soup.findAll("table")
for table in tables:
if table.findParent("table") is None:
print str(table)
输出：
<table>table1<table>inner11<table>inner12</table></table></table>
<table>table2<table>inner2</table></table>
<table>table3<table>inner3</table></table>
<table>table4<table>inner4</table></table>
没有任何东西被破坏/破坏。
【讨论】：
以上是关于使用 BeautifulSoup 查找 html 中的所有表的主要内容，如果未能解决你的问题，请参考以下文章
使用 BeautifulSoup 查找 html 中的所有表
在 HTML BeautifulSoup 中按文本查找和替换