使用BeautifulSoup通过属性遍历div而不使用findAll

Question

我想知道怎么通过调用一个“汤”的属性来找到特定的div。比如说像 soup.html.body.div 这样，但我不知道怎么在这里获取 id='idname' 的特定div。

我可以用 soup.findAll(id='idname')[0] 来获取这个特定的标签，但我理解这其实是在搜索整个“汤”。

我想如果直接通过属性在“汤”里获取div会更快，因为这样就不需要用 findAll() 了，对吧？

Firebug 显示的位置是 html.body.div[2].form.table[2].tbody.tr[3]...，但是用 soup.html.body.div[2] 时却出现了键错误。

更新：

假设你想从 http://www.google.com 抓取 我感觉幸运 的按钮，Firebug 显示它的位置是：

/html/body/center/span/center/div[2]/form/div[2]/div[3]/center/input[2]

有没有办法在 不 使用 findAll 的情况下到达这个位置呢？

Answer 1

这里有一个叫做 findChildren 的方法，它能帮我们完成大部分工作。

这个方法的功能相当于：

findAll(tagname, recursive=False)

通常使用这个方法会让事情变得更高效。

所以你的例子可以变成：

soup.html.body.center.span.center.findChildren('div')[2].\
    form.findChildren('div')[2].findChildren('div')[3].\
    center.findChildren('input')[2]

Answer 2

你从Firebug得到的路径是一个XPath表达式。最好使用一个可以直接使用XPath的解析器。我个人喜欢用lxml和它的etree接口：

from lxml import etree
tree = etree.parse(yourfile)
lucky = tree.xpath('/html/body/center/span/center/div[2]/form/div[2]/div[3]/center/input[2]')