python - "has:()"和 "not:()"伪类在 BeautifulSoup 中使用时表现不同

Question

我想弄清楚 css 伪类 像 not:() 和 has:() 是如何在下面工作的例。

下面的选择器不应该打印 27A-TAX DISTRICT 27A 但它打印了它:

from bs4 import BeautifulSoup

htmlelement = """
<tbody>
  <tr style="">
     <td><a>27A-TAX DISTRICT</a> 27A</td>
  </tr>

  <tr style="">
     <td><strong>Parcel Number</strong> 720</td>
  </tr>
</tbody>
"""
soup = BeautifulSoup(htmlelement,"lxml")
item = soup.select_one("tr:not(a)").text
print(item)

另一方面，下面的选择器应该打印 I should be printed 但它抛出 AttributeError 错误。

from bs4 import BeautifulSoup

htmlelement = """
<p class="vital">I should be printed</p>
<p>I should not be printed</p>
"""
soup = BeautifulSoup(htmlelement,"lxml")
item = soup.select_one("p:has(.vital)").text
print(item)

我哪里出错了，我怎样才能让它们起作用？

Answer 1

不幸的是，您对 :not() 和 :has() 的理解很可能是不正确的。

在您的第一个示例中，您使用:

soup.select_one("tr:not(a)").text

您使用它的方式将选择每个 tr。这是因为它说“我想要一个不是 a 标签的 tr 标签。tr 标签永远不是 a 标签，以便您的代码始终获取任何 tr 标签的文本，包括包含 27A-TAX DISTRICT 的标签。

如果你想要 tr 标签没有 a 标签，那么你可以使用:

soup.select_one("tr:not(:has(a))").text

这表示“我想要一个没有后代 a 标签的 tr 标签”。

更多信息请阅读:

• https://developer.mozilla.org/en-US/docs/Web/CSS/:not

---

这引出了您的第二个问题。 :has() 是一个关系选择器。在你的第二个例子中，你使用了:

soup.select_one("p:has(.vital)").text

:has() 向前看 child 、后代或 sibling (取决于您使用的语法)以确定标签是否是您想要的。

所以你说的是“我想要一个 p 标签，它有一个带有类 vital 的后代标签”。您的 p 标签甚至都没有后代，因此不可能有 vital 类。你想要的其实更简单:

soup.select_one("p.vital").text

这表示“我想要一个 p 标签，它也有一个 vital 类。”

更多信息请阅读:

• https://developer.mozilla.org/en-US/docs/Web/CSS/:has