如何刮掉另一个跨度类中的一个跨度？

Posted 2023-03-24

【中文标题】如何刮掉另一个跨度类中的一个跨度？

【英文标题】：How to Scrape one of the span inside another span class?

【发布时间】：2021-12-30 03:22:19

【问题描述】：

<span class="sim-posted">
        
            <span class="jobs-status covid-icon clearfix">
                <i class="covid-home-icon"></i>Work from Home 
            </span>
            <span>Posted few days ago</span>
            
    </span>

我想用文本“几天前发布”抓取最后一个跨度标签 我有代码，但它只用类刮掉第一个跨度

date_published=job.find('span',class_='sim-posted').span.text

【问题讨论】：

工作对象是什么？

【参考方案1】：

试试这个，它会在你到达的范围内找到另一个没有类的范围

date_published=job.find('span',class_='sim-posted').find("span", "class": False).text

【参考方案2】：

要使用Selenium 将最后一个SPAN 标记与几天前发布 的文本一起抓取，您可以使用以下任一Locator Strategies： p>

使用 css 和 last-child:

span.sim-posted span:last-child

使用 css 和 last-of-type:

span.sim-posted span:last-of-type

使用 css 和 nth-child():

span.sim-posted span:nth-child(2)

使用 css 和 nth-of-type():

span.sim-posted span:nth-of-type(2)

【参考方案3】：

如果总是最后一个<span> 你可以选择css selector last-of-type:

soup.select_one('span.sim-posted span:last-of-type').text

示例

import requests
from bs4 import BeautifulSoup

html='''
<span class="sim-posted">
        
            <span class="jobs-status covid-icon clearfix">
                <i class="covid-home-icon"></i>Work from Home 
            </span>
            <span>Posted few days ago</span>
            
    </span>
'''
soup = BeautifulSoup(html, "html.parser")

soup.select_one('span.sim-posted span:last-of-type').text

输出

Posted few days ago

另类

您还可以使用 :-soup-contains 一个 css 伪类选择器来定位节点的文本。 Beautiful Soup 4.7.0 中添加了需要 SoupSieve 集成。

soup.select_one('span.sim-posted span:-soup-contains("Posted")').text