我一直在尝试使用 BeautifulSoup 检索任何 <li>
包含以下单词的任何格式的元素:Ottawa
。问题是ottawa
永远不会在它自己的标签内,例如 <p>
。所以我只想打印 li
包含 Ottawa
的元素.
HTML 格式如下:
<html>
<body>
<blockquote>
<ul><li><a href="http://link.com"><b>name</b></a>
(National: Ottawa, ON)
<blockquote> some description </blockquote></li>
<li><a href="http://link2.com"><b>name</b></a>
(National: Vancouver, BC)
<blockquote> some description </blockquote></li>
<li><a href="http://link3.com"><b>name</b></a>
(Local: Ottawa, ON)
<blockquote> some description </blockquote></li>
</ul>
</blockquote>
</body>
</html>
我的代码如下:
from bs4 import BeautifulSoup
import re
import urllib2,sys
url = "http://www.charityvillage.ca/cv/nonpr/nonpr1.html"
html = urllib2.urlopen(url).read()
soup = BeautifulSoup(html)
re1='.*?'
re2='(Ottawa)'
ottawa = soup.findAll(text=re.compile(re1+re2,re.IGNORECASE|re.DOTALL))
search = soup.findAll('li')
上面代码的结果正确找到了Ottawa,并且使用它来查找li
时元素,它确实找到了 li
元素,但它给了我页面上的每一个元素。
据我了解,它们目前并未像尝试做的那样结合起来 search = soup.findAll('li', text=re.compile(re1+re2,re.IGNORECASE|re.DOTALL))
结果 []
我的最终目标基本上是获得每个 <li>
包含任何提及 Ottawa
的元素并给我整个<li>
包含名称、描述、链接等的元素
最佳答案
使用text属性过滤findAll的结果:
elems = [elem for elem in soup.findAll('li') if 'Ottawa' in str(elem.text)]
关于python - 使用 BeautifulSoup 根据其中包含的字符串提取 li 元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10438748/