如何在两个其他标签之间找到一个标签?
我有这样与结构的文档:如何在两个其他标签之间找到一个标签?
<tag1>some_text_1</tag1>
<tag2>text_1</tag2>
<tag3>....</tag3>
<tag2>text_2</tag2>
<tag1>some_text_2</tag1>
<tag2>text_3</tag2>
...
,我需要得到所有tag2
实例是tag1
与some_text_1
后先下一tag1
。
from bs4 import BeautifulSoup
html = '''<tag1>some_text_1</tag1>
<tag2>text_1</tag2>
<tag3>....</tag3>
<tag2>text_2</tag2>
<tag1>some_text_2</tag1>
<tag2>text_3</tag2>'''
soup = BeautifulSoup(html,"html.parser")
def findalltags(tag1,tag2,soup):
# tag1 is between which tag
# tag2 get info of which tag
a = soup.find(tag1)
lis = []
while True:
a = a.find_next()
if(str(a.name) == tag1):
break
elif(str(a.name) == tag2):
lis.append(a)
return lis
if __name__ == '__main__':
print findalltags('tag1','tag2',soup)
希望这会解决问题,但我不认为这是一种有效的方法。如果你熟悉它们,你可以使用正则表达式。
'a.name'是一个字符串,parens也不需要。 –
我们将在Unicode中得到它我不知道它是否可以与字符串相等,以避免它我转换为字符串 – Sandeep
'u“foo”==“foo”'将会正常工作,如果没有ascii字符的名称然后调用str会出错。 –
您的描述我需要获取tag1后面的所有tag2与some_text_1,并在下一个tag2之前。基本上等同于在文本some_text_
的任何tag1之后获得第一个tag2
。
所以有一定的文字找到tag1's
并检查下一个兄弟标签是tag2
,如果是拉TAG2:
html = """<tag1>some_text_1</tag1>
<tag2>text_1</tag2>
<tag3>....</tag3>
<tag2>text_2</tag2>
<tag1>some_text_2</tag1>
<tag2>text_3</tag2>"""
def get_tags_if_preceded_by(soup, tag1, tag2, text):
for t1 in soup.find_all(tag1, text=text):
nxt_sib = t1.find_next_sibling()
if nxt_sib and nxt_sib.name == tag2:
yield nxt_sib
soup = BeautifulSoup(html, "lxml")
print(list(get_tags_if_preceded_by(soup, "tag1", "tag2", "some_text_1")))
如果它不具有直接后是,它实际上使它简单,你只需要搜索特定tag2
兄弟:
def get_tags_if_preceded_by(soup, tag1, tag2, text):
for t1 in soup.find_all(tag1, text=text):
nxt_sib = t1.find_next_sibling(t2)
if nxt_sib:
yield nxt_sib
如果你真的想找到两个之间的广告代码具体情况,你可以使用逻辑this answer。
您的意思是在下一个 text_2之前或之前 some_text_2 因为tag2在下一个tag2之前的所有实例都没有意义。因为只会有一个tag2。 –
Sandeep
tag2可以在任何地方之后或之后?您的示例输入不适合您的问题描述。 –
是的,我的不好,应该是在指定文本的tag1之后,在下一个tag1之前 – GhostKU