如何在特定的 <ul> 类中找到所有 <li>？

Posted 2023-02-23

【中文标题】如何在特定的 <ul> 类中找到所有 <li>？

【英文标题】：How to find all <li>'s within a specific <ul> class?

【发布时间】：2013-06-19 06:38:39

【问题描述】：

环境：

靓汤4

Python 2.7.5

逻辑：

“find_all”<li> 实例在 <ul> 中，类为 my_class，例如：

<ul class='my_class'>
<li>thing one</li>
<li>thing two</li>
</ul>

澄清：只需获取<li> 标签之间的“文本”。

Python 代码：

（下面的find_all不正确，我只是把它放在上下文中）

from bs4 import BeautifulSoup, Comment
import re

# open original file
fo = open('file.php', 'r')
# convert to string
fo_string = fo.read()
# close original file
fo.close()
# create beautiful soup object from fo_string
bs_fo_string = BeautifulSoup(fo_string, "lxml")
# get rid of html comments
my_comments = bs_fo_string.findAll(text=lambda text:isinstance(text, Comment))
[my_comment.extract() for my_comment in my_comments]

my_li_list = bs_fo_string.find_all('ul', 'my_class')

print my_li_list

【参考方案1】：

这个？

>>> html = """<ul class='my_class'>
... <li>thing one</li>
... <li>thing two</li>
... </ul>"""
>>> from bs4 import BeautifulSoup as BS
>>> soup = BS(html)
>>> for ultag in soup.find_all('ul', 'class': 'my_class'):
...     for litag in ultag.find_all('li'):
...             print litag.text
... 
thing one
thing two

解释：

soup.find_all('ul', 'class': 'my_class') 查找类为my_class 的所有ul 标记。

然后我们在那些ul标签中找到所有li标签，并打印标签的内容。

【讨论】：

谢谢，我理解这个逻辑，当我将fo_string 更改为带有bs_fo_string = BeautifulSoup(fo_string, "lxml") 的漂亮汤对象并打印bs_fo_string 时，我可以看到> 已变为@987654331 @ 和 < 已更改为 <。所以使用find_all 会显示一个空列表，因为它找不到ul 或li。有谁知道为什么会发生这种向字符实体的转换以及如何阻止它？

@user1063287 fo_string 看起来像什么？编辑您的问题以将其添加到

我糟糕的、格式错误的 html、fo_string 中的类名在关闭 " 时丢失了！代码现在正在工作。谢谢。

【参考方案2】：

BeautifulSoup3 可以解决这个问题，这台机器上没有 4 个。

>>> [li.string for li in bs_fo_string.find('ul', 'class': 'my_class').findAll('li')]
[u'thing one', u'thing two']

这个想法是首先搜索具有'my_class'类的ul，然后查找该ul中的所有li。

如果您有其他具有相同类的 ul，您可能还想在 ul 搜索中使用 findAll，并将列表推导更改为嵌套。