美化组：findAll recursive不

Question

我想从wired.com上得到一些文章。 一般来说，他们的文章内容如下：

<article itemprop="articleBody">
   <p>Some text</p>
   <p>Next text</p>
   <p>...</p>
   <p>...</p>
</article>

或者像这样：

<article itemprop="articleBody">
    <div class="listicle-captions marg-t...">
        <p></p>

    </div>

 </article>

所以我希望如果页面是类型1，则提取<p>和<h>，而如果页面是类型2，则执行其他操作。所以，如果<p>和<h>是<article>的直接后代，那么它是类型1。 我尝试了下面的代码，它查找<p>和<h>，并打印出标记名。问题是，recursive="False"似乎没有帮助，因为在类型2页面上测试时，它会找到标记，而不应该找到标记（我希望得到一个NonType对象）。

import urllib.request
from bs4 import BeautifulSoup
import datetime
import html
import sys

articleUrl="https://www.wired.com/2016/07/greatest-feats-inventions-100-years-boeing/"

soupArticle=BeautifulSoup(urllib.request.urlopen(articleUrl), "html.parser")

articleBody=soupArticle.find("article", {"itemprop":"articleBody"})
articleContentTags=articleBody.findAll(["h1", "h2","h3", "p"], recursive="False")

for tag in articleContentTags:
    print(tag.name)
    print(tag.parent.encode("utf-8"))

为什么不起作用？

另外，在一般情况下和在这种特殊情况下使用findAll和findChildren有区别吗？在我看来这两个是一样的。。

Answer 1

字符串文本"False"与使用布尔值<False不同，您需要实际传递recursive=False：

articleBody.find_all(["h1", "h2","h3", "p"], recursive=False)

任何非空字符串都将被视为truthy值，您可以传递的唯一有效字符串将是空字符串，即recursive=""。

In [17]: bool("False")
Out[17]: True

In [18]: bool("foo")
Out[18]: True

In [19]: bool("")
Out[19]: False

但是坚持使用实际的布尔值False，也会得到一个空的列表/结果集并返回给recursive=False，而不是像调用find撸u allnotfind那样没有。