Beautiful Soup：如何搜索嵌套模式？

Question

soup.find_all 是用来在一个 BeautifulSoup 文档中查找所有某个标签的出现次数的。有没有办法可以查找特定的嵌套标签模式呢？

举个例子，我想查找所有这种模式的出现：

<div class="separator">
  <a>
    <img />
  </a>
</div>

Answer 1

看看这个文档的部分。你可能需要一个像这样的函数：

def nested_img(div):
    child = div.contents[0]
    return child.name == "a" and child.contents[0].name == "img"

soup.find_all("div", nested_img)

附言：这个还没有经过测试。

Answer 2

有很多方法可以找到这个模式，但最简单的方法是使用CSS选择器：

for img in soup.select('div.separator > a > img'):
    print img  # or img.parent.parent to get the "div"

示例：

>>> from bs4 import BeautifulSoup
>>> data = """
... <div>
...     <div class="separator">
...       <a>
...         <img src="test1"/>
...       </a>
...     </div>
... 
...     <div class="separator">
...       <a>
...         <img src="test2"/>
...       </a>
...     </div>
... 
...     <div>test3</div>
... 
...     <div>
...         <a>test4</a>
...     </div>
... </div>
... """
>>> soup = BeautifulSoup(data)
>>> 
>>> for img in soup.select('div.separator > a > img'):
...     print img.get('src')
... 
test1
test2

我明白，从严格意义上讲，如果这个div里面有不止一个a子元素，或者在a标签里面有其他东西而不是img标签，这个解决方案就不适用了。如果是这种情况，可以通过增加一些检查来改进这个解决方案（如果需要的话我会编辑答案）。