python - 如何抓取紧跟在某个元素之后的元素？

Question

我有一个如下所示的 Html 文档:

<div id="whatever">
  <a href="unwanted link"></a>
  <a href="unwanted link"></a>
  ...
  <code>blah blah</code>
  ...
  <a href="interesting link"></a>
  <a href="interesting link"></a>
  ...
</div>

我只想抓取紧跟在 code 标签之后的链接。如果我执行 soup.findAll('a')，它会返回所有超链接。

如何让 BS4 在特定的 code 元素之后开始抓取？

Answer 1

尝试 soup.find_all_next() :

>>> tag = soup.find('div', {'id': "whatever"})
>>> tag.find('code').find_all_next('a')
[<a href="interesting link"></a>, <a href="interesting link"></a>]
>>> 

喜欢soup.find_all() ，但它会找到所有标签在标签之后。

---

如果您想删除 <a> <code> 之前的标签, 我们有一个叫做 soup.find_all_previous() 的函数:

>>> tag.find('code').find_all_previous('a')
[<a href="unwanted link"></a>, <a href="unwanted link"></a>]

>>> for i in tag.find('code').find_all_previous('a'):
...     i.extract()
...     
... 
<a href="unwanted link"></a>
<a href="unwanted link"></a>

>>> tag
<div id="whatever">


  ...
  <code>blah blah</code>
  ...
  <a href="interesting link"></a>
<a href="interesting link"></a>
  ...
</div>
>>> 

那就是:

1. 查找所有 <a> <code> 之前的标签标签。
2. 使用soup.extract()用for循环删除它们。