BeautifulSoup父标签

Question

我有一些html，我想从中提取文本。这是html的一个例子：

<p>TEXT I WANT <i> &#8211; </i></p>

现在，本文档中有很多<p>个标签。因此，find('p')不是获取我想要提取的文本的好方法。但是，<i>标记是文档中唯一的标记。所以，我想我可以找到<i>，然后转到父母。

我试过了：

up = soup.select('p i').parent

和

up = soup.select('i')
print(up.parent)

我已尝试使用.parents，我尝试了find_all('i')，find('i') ...但我总是得到：

'list' object has no attribute "parent"

我做错了什么？

Answer 1

find_all()返回一个列表。 find('i')会返回第一个匹配元素，或None。

因此，使用：

try:
    up = soup.find('i').parent
except AttributeError:
    # no <i> element

演示：

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<p>TEXT I WANT <i> &#8211; </i></p>')
>>> soup.find('i').parent
<p>TEXT I WANT <i> – </i></p>
>>> soup.find('i').parent.text
u'TEXT I WANT  \u2013 '

Answer 2

这有效：

i_tag = soup.find('i')
my_text = str(i_tag.previousSibling).strip()

<强>输出：

'TEXT I WANT'

如其他答案中所述，find_all()会返回一个列表，而find()会返回第一个匹配或None

如果您不确定是否存在i标记，则只需使用try/except块

Answer 3

select()和find_all()都会返回一个元素数组。你应该这样做：

for el in soup.select('i'):
    print el.parent.text

Answer 4

soup.select()返回一个Python列表。因此，您可以“取消列出”变量 例如：

>>> [up] = soup.select('i')
>>> print(up.parent)

或

>>> up = soup.select('i')
>>> print(up[0].parent)