主页 / 问题 / 1506777
Accepted
Sergey
Asked:2023-03-21 13:03:00 +0000 UTC2023-03-21 13:03:00 +0000 UTC

BeautifulSoup 看不到嵌套在 <h4> 标签中的标签

  • 772

问题在标题中描述。没有什么可说的了。我在工作现场战斗了 2 天——我什么都听不懂。最后，我创建了一个可重现性最低的示例。

我们有一个 HTML 文件：

<!DOCTYPE html>
<html>
    <head>
        <title>Что внутри тега h4 ?</title>
        <meta charset="utf-8">
    </head>

    <body>
        <h4>
            111
            <p>(1880-1938)</p>
            222
            <p>Возчик артели возчиков, герой Русско-Японской и Первой мировой войн,
            полный Георгиевский кавалер;
            Расстрелян в г. Томске в 1938 году.</p>
            333
        </h4>
    </body>
</html>

还有一个行为非常奇怪的小 Python 程序：

#!/usr/bin/python3

from bs4 import BeautifulSoup

with open("index.html", "r") as f:
    contents = f.read()

    soup = BeautifulSoup(contents, 'lxml')

    print(f"HTML:")
    print(f"Тег Н4 полностью: {soup.h4}")
    print(f"Имя тега: {soup.h4.name}")
    print(f"Текст внутри тега: {soup.h4.text}")

尝试运行该程序。<h4>它会将字符串显示为标签的内容111。也就是说，标签的内容<p>是不可见的。好吧，就这样吧。但是线条222也不333可见！而且，如果我调用该方法.finf_all('p4')，什么也找不到！

这是库中的错误吗？或者是否有某种禁止在标签内放置任何标签<h?>？

python

2 个回答

  1. 此代码有效：

    from bs4 import BeautifulSoup

html = '''
<!DOCTYPE html>
<html>
    <head>
        <title>Что внутри тега h4 ?</title>
        <meta charset="utf-8">
    </head>

    <body>
        <h4>
            111
            <p>(1880-1938)</p>
            222
            <p>Возчик артели возчиков, герой Русско-Японской и Первой мировой войн,
            полный Георгиевский кавалер;
            Расстрелян в г. Томске в 1938 году.</p>
            333
        </h4>
    </body>
</html>
'''
soup = BeautifulSoup(html, 'html.parser')
h4 = soup.find('h4')
for item in h4.findAll('p'):
    print(item)

    结果： 在此处输入图像描述

    • 2
  2. Best Answer

    确实，它lxml不起作用。对于它，标签h4在第一个嵌套标签之前关闭p：

    html = """
...
</html>
"""
soup = BeautifulSoup(html, 'lxml')
print(soup.body)

    结果：

    <body>
<h4>
            111
            </h4><p>(1880-1938)</p>
...

    尝试html.parser- 它有效并且它带有 python：

    from bs4 import BeautifulSoup

html = """
<!DOCTYPE html>
<html>
    <head>
        <title>Что внутри тега h4 ?</title>
        <meta charset="utf-8">
    </head>

    <body>
        <h4>
            111
            <p>(1880-1938)</p>
            222
            <p>Возчик артели возчиков, герой Русско-Японской и Первой мировой войн,
            полный Георгиевский кавалер;
            Расстрелян в г. Томске в 1938 году.</p>
            333
        </h4>
    </body>
</html>
"""
soup = BeautifulSoup(html, 'html.parser')
print(soup.body.h4.p)
# <p>(1880-1938)</p>

print(soup.find('h4').p)
# <p>(1880-1938)</p>

print(soup.select_one('h4 > p'))
# <p>(1880-1938)</p>
    • 2

相关问题