python - 漂亮的 Soup Looping 元素，只有在当前元素及其父元素存在时才获取当前元素的文本

Question

我正在学习 BeautifulSoup 并且有一个网页的正文是这样的:

html:

<div>
 <table>
 <tr>
  <td>
   <div>
     this is div text
     <a name='abc'>this is anchor text</a>
   </div>
  </td>
 </tr>
</table>
</div>

预期结果:

tag     text                   parents
===     =====                  =======
div     ""                     ""
table   ""                     div
...
div       this is div text     div.table.tr.td
a         this is anchor text  div.table.tr.td.a

我能够得到结果，但问题出在 div 中，我也得到了 anchor 文本，如下所示

div       this is div text this is anchor text     div.table.tr.td
a         this is anchor text                      div.table.tr.td.a

下面是我的代码

f = open("C:/abc.html",encoding="utf8")  
soup=BeautifulSoup(f,"lxml")
f.close()
for tag in soup.find_all():
      allparent=""
      for parenttags in tag.findParents():
          allparent=parenttags.name+"."+allparent
      if allparent!="":
          allparent=allparent[:-1]
      print(tag.name+"', '"+tag.text+"','"+allparent)

Answer 1

您正在寻找 tag.find(text=True)

如果tag是你的 <div>foo<span>bar</span></div> :

• tag.find(text=True)将输出 foo
• tag.text将输出 foo bar .

所以，在你的情况下，只需更换

print(tag.name+"', '"+tag.text+"','"+allparent)`

通过

print(tag.name+"', '"+tag.find(text=True)+"','"+allparent)

---

或者更好，

print('"{}", "{}", "{}"'.format(tag.name, tag.find(text=True), allparent))

那不是更性感吗？!