Cómo obtener un elemento anidado en la hermosa sopa

StackOverflow https://stackoverflow.com/questions/1058599

  •  21-08-2019
  •  | 
  •  

Pregunta

Estoy luchando con la sintaxis requerida que consigan unas hrefs en un td. Los elementos de la tabla, tr y td no tienen o identificadores de ninguna clase.

Si quería agarrar el ancla en este ejemplo, lo que voy a necesitar?

     ...

Gracias

¿Fue útil?

Solución

De acuerdo con los documentos, primero se crea un árbol de análisis: 

import BeautifulSoup
html = "<html><body><tr><td><a href='foo'/></td></tr></body></html>"
soup = BeautifulSoup.BeautifulSoup(html)

y luego buscar en ella, por ejemplo, para <a> etiquetas cuyo padre inmediato es un <td>: 

for ana in soup.findAll('a'):
  if ana.parent.name == 'td':
    print ana["href"]

Otros consejos

Algo como esto? 

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)
anchors = [td.find('a') for td in soup.findAll('td')]

Esto debería encontrar la primera "a" dentro de cada "TD" en el HTML que proporcionan. Se pueden ajustar td.find ser más concreto o bien utilizar findAll si tiene varios enlaces dentro de cada td.

ACTUALIZACIÓN: Re comentario de Daniele, si usted quiere asegurarse de que usted no tiene ningún None 's en la lista, entonces se podría modificar la lista de la comprensión de este modo: 

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html)
anchors = [a for a in (td.find('a') for td in soup.findAll('td')) if a]

Lo que básicamente sólo se suma una comprobación para ver si tiene un elemento real devuelto por td.find('a').

No afiliado a StackOverflow
scroll top