Python/BeautifulSoup - 提取 div 内容检查 h1 文本

Question

我有一个像这样的 html 页面:

<div class="class1">
   <div class="head">
      <h1 class="title">Title 1</h1>
   <div class="body">
<!-- some body content -->
   </div>
   </div>
</div>

<div class="class1">
   <div class="head">
      <h1 class="title">Title 2</h1>
   <div class="body">
<!-- some body content -->
   </div>
   </div>
</div>

仅当标题等于“Title 2”时，我才需要使用class body从div中提取内容。由于它们的父容器没有特定的 id 或类，因此 h1 文本是识别 div 的全部内容的唯一方法。目前我使用这段代码:

from bs4 import BeautifoulSoup

# code to open the webpage
soup = BeautifulSoup(data, 'lxml')
body_content = soup.findAll('div', {'class':'class1'})[1]

但这不是很优雅，因为它假设我感兴趣的 div 始终是页面的第二个 - 它不检查标题。

Answer 1

嗯，我能想到的唯一解决方案如下:

soup = BeautifulSoup(html,"html.parser")
    result_tags = soup.find_all(name='div',class_='class1')
    body_content = [tag for tag in result_tags if 'Title 2' in tag.prettify()][0]

它比您的原始代码更好，因为它不假设您的目标 div 是页面的第二个。