当父标签的子标签具有某些属性值时，如何使用 BeautifulSoup 获取父标签的名称值？
Posted
技术标签:
【中文标题】当父标签的子标签具有某些属性值时，如何使用 BeautifulSoup 获取父标签的名称值？【英文标题】：How to use BeautifulSoup to get parent tag's name value when the parent tag's children has certain attribute values? 【发布时间】：2017-10-09 00:16:16 【问题描述】：为了让这个问题更容易理解，下面是一个例子
<Tag name="Thumbnail" inline="no" nonsearchable="yes">
<Attribute>
<Attribute name="AText" Searchable="yes"></Attribute>
</Attribute>
</Tag>
<Tag name="Label" inline="no" nonsearchable="yes">
<Attribute>
<Attribute name="AText" Searchable="no"></Attribute>
</Attribute>
</Tag>
<Tag name="Image" inline="no" nonsearchable="yes">
<Attribute>
<Attribute name="BText" Searchable="yes">
</Attribute>
</Tag>
<Tag name="Wonder" inline="no" nonsearchable="yes">
<Attribute>
<Attribute name="BText" Searchable="yes"></Attribute>
</Attribute>
</Tag>
预期结果
所以在excel中，如果Attribute标签的Searchable，第一行应该是Attribute标签的name value strong> 值为“是”；那么这些“合格的”Attributes标签的父标签——Tag——name value会列在下面。
目前，我只能找到所有 Tag 的 name 值，如果它是 children 的 Searchable 值为“yes”，但无法将它们归类到相应的 Attribute 标签下名称值。以下是我的初始代码：
import os, openpyxl
from bs4 import BeautifulSoup
cwd = os.getcwd()
def func(x):
for file in os.listdir(cwd):
if file.endswith('.xml'):
f = open(file, encoding = 'utf=8', mode = 'r+')
soup = BeautifulSoup(f, 'lxml')
AttrYES = soup.find_all(attrs="Searchable": "yes")
for items in AttrYES:
tagName = items.parent.parent.get('name')
print (tagName)
x = os.listdir(cwd)
func(x)
我也会尝试解决这个问题，但是为了让这个过程更快，如果您有任何想法，请提出建议。谢谢！！
【问题讨论】：
【参考方案1】：你的代码找不到任何东西，如果你打印AttrYES，它将是[]。问题是当您使用bs4 和解析器lxml 时，所有标签和属性名称都会转换为小写，请参阅official doc。如果你打印汤，它会给你：
<html><body><tag inline="no" name="Thumbnail" nonsearchable="yes">
<attribute>
<attribute name="AText" searchable="yes"></attribute>
</attribute>
</tag>
<tag inline="no" name="Label" nonsearchable="yes">
<attribute>
<attribute name="AText" searchable="no"></attribute>
</attribute>
</tag>
<tag inline="no" name="Image" nonsearchable="yes">
<attribute>
<attribute name="BText" searchable="yes">
</attribute>
</attribute></tag>
<tag inline="no" name="Wonder" nonsearchable="yes">
<attribute>
<attribute name="BText" searchable="yes"></attribute>
</attribute>
</tag></body></html>
因此，您可以像这样修改您的代码：
import bs4
f = open('test.xml',mode = 'r+')
soup = bs4.BeautifulSoup(f, 'lxml')
AttrYES = soup.findAll(attrs='searchable': 'yes')
result = dict()
for items in AttrYES:
result[items.get('name')] = result.get(items.get('name'),[])+[items.parent.parent.get('name')]
print(result)
打印将是：
'AText': ['Thumbnail'], 'BText': ['Image', 'Wonder']
然后您可以将它们写入您的 excel 文件：
import xlsxwriter
workbook = xlsxwriter.Workbook('result.xlsx')
worksheet = workbook.add_worksheet()
# Write header
worksheet.write(0, 0, result.keys()[0])
worksheet.write(0, 1, result.keys()[1])
# Write data.
worksheet.write_column(1, 0, result.values()[0])
worksheet.write_column(1, 1, result.values()[1])
workbook.close()
result.xlsx 将是：
更新： 使用 openpyxl
from openpyxl import Workbook
wb = Workbook()
# grab the active worksheet
ws = wb.active
# Data can be assigned directly to cells
i,j = 1,1
for keys,values in a.items():
ws.cell(column=i, row=1, value=keys)
for row in range(len(values)):
ws.cell(column=i, row=j+1, value=values[row])
j+=1
j=1
i+=1
wb.save("result.xlsx")
【讨论】：
非常感谢 Tiny1 的解决方案 非常感谢 Tiny 的解决方案！是的，我可以像'AText': ['Thumbnail'], 'BText': ['Image', 'Wonder'] 这样打印结果。这很棒！现在我正在尝试使用 python 的内置模块 openpyxl。出现了一些问题：首先，python3 不允许result.values() 再有索引；其次，如果我们不知道有多少个键，我们可能需要为这些值编写一个循环。我认为循环键更容易，但对于值，我仍在尝试找出方法。如果您有任何想法，那就太好了！谢谢！ :)
最新更新：我可以通过编写 for key in result.keys(): sheetOut.cell(row=1, column=r).value = key r+=1 n = 1 将密钥循环到正确的 excel 单元格上但是，如果我以相同的方式循环 value，单元格内容将是 ['Thumbnail'] 和 ['Image', 'Wonder'] 。所以仍在尝试解决这个问题。
请查看更新后的答案：1、可以在python3中使用函数items()； 2、使用for循环，查看更新后的答案。
1、python3中的for循环和函数items()可以获取字典的键和值； 2，for首先循环项目，然后在值中，另一个for循环值列表以获取每个元素，在第一个for循环中，在第一行写入键，第二个for循环，将值写入同一列但下一行。希望对您有所帮助。以上是关于当父标签的子标签具有某些属性值时，如何使用 BeautifulSoup 获取父标签的名称值？的主要内容，如果未能解决你的问题，请参考以下文章
：9.HTML如何在网页中添加图片（img标签使用方法，以及img标签属性：altheightwidth）；图片格式选择