Python BeautifulSoup 从父/兄弟关系中获取内容

Question

html 的一部分结构如下。我想从中获得工作“标题”和“时间”。我可以单独获取它们，例如:

from bs4 import BeautifulSoup


pages = '<div class="content"> \
                <a href="Org"> \
                        <h3 class="title"> \
                            Dep. Manager</h3> \
                        </a> \
                <div class="contributor"></div> \
                <p>John</p> \
                <time class="time"> \
                        <span class="timestamp">May 02 2016</span> \
                    </time> \
                </div>'


soup = BeautifulSoup(pages, "lxml")


soup.prettify()


s = soup.find_all(class_ = "title")[0]

t = soup.find_all('span', class_ = "timestamp")[0].text.strip()


pp_title = s.text.strip()

print t

print (pp_title)

它返回我想要的。

Dep. Manager
May 02 2016

对于“时间”，我想要另一种方式来获取它，因为“时间”总是在“标题”下方。我试过这条线来获取“时间”，它不起作用。

print (s.parent.next_sibling.next_sibling)

从关系到“标题”的“时间”的正确方法是什么？谢谢。

Answer 1

您可以通过指定详细信息findParent:

t = s.findParent("div", class_='content').find('span', class_='timestamp').text.strip()

例子:

titles = soup.find_all(class_="title")
for title in titles:
    timestamp = title.findParent("div", class_='content').find('span', class_='timestamp').text.strip()
    print(title.text.strip(), timestamp)