BeautifulSoup 在 findAll 中排除标签

Posted 2023-02-23

【中文标题】BeautifulSoup 在 findAll 中排除标签

【英文标题】：BeautifulSoup exclude a tag in findAll

【发布时间】：2020-12-02 22:44:38

【问题描述】：

在 beautifulsoup 中，我们如何在使用 findAll 时排除特定标签中的标签。

让我们考虑这个例子，我想在html中找到所有<p>标签，除了

<tr> 标签内的标签。

soup.findAll(['p'])

以上代码将获取所有<p> 标签，但我需要排除<tr> 标签中的<p> 标签。

【参考方案1】：

您可以使用.select。示例：选择所有<p> 标记，但排除<tr> 标记中的<p> 标记。

soup.select('p:not(tr > p)')

选择所有<p>标签，但排除属于<tr>标签子级的<p>标签

soup.select('p:not(tr p)')

选择所有 <p> 和 <h2>tags，但排除 <p>tags 是 <tr> 的子标签

soup.select('p,h2:not(tr p)')

【讨论】：

感谢您的回复。我该怎么做才能使用多个选择器？例如我需要同时使用 P 和 h2 标签。

您只需添加一个逗号。我也为此添加了一个示例。

可以添加html示例吗？

【参考方案2】：

如果我理解正确，您想在任何级别选择所有没有tr 作为父级的p。

您可以选择所有p，然后使用findParent 函数过滤结果。 findParent 将返回具有给定标签名称的第一个父级，否则 None。

from bs4 import BeautifulSoup

html = """
  <tr>
    <p>1</p>
  </tr>
  
  <tr>
    <td>
      <p>2</p>
    </td>
  </tr>
  
  <p>3</p>
  
  <div>
    <p>4</p>
  </div>
"""

soup = BeautifulSoup(html, "html.parser")
print([p for p in soup.findAll('p') if not p.findParent('tr')])