Python刮擦：有什么方法可以使用漂亮的汤刮擦这行代码吗？（查找包含特定标签/字符串的标签内容）

Question

假设源代码如下所示：

<tr> ... </tr><tr> ... </tr><tr> ... </tr><tr> ... </tr><tr><td class="field2 mcFont" style="width: 220px; vertical-align:top">PE<div class="icon-edu icon-general-terms" style="display:none" data-key="PE Ratio"></div></td><td class="mcFont cls">7.18</td></tr><tr> ... </tr><tr> ... </tr><tr> ... </tr><tr> ... </tr><tr>

你好我正在尝试使用beautifulsoup在表行tr标记中刮取一行特定的代码（请参见下面我想要实现的最终结果），但是由于tr标记不包含任何像其他标记一样的属性，而页面中有数百万个tr标记，因此我是否可以使用soup。查找_all（“tr”）以删除所有tr标记的内容，其中包括带有字符串“PE”或class=“field2 mcFont”的td标记？

我想要达到的最终结果是：

<td class="field2 mcFont" style="width: 220px; vertical-align:top">PE<div class="icon-edu icon-general-terms" style="display:none" data-key="PE Ratio"></div></td><td class="mcFont cls">7.18</td> 

Answer 1

搜索标签

from bs4 import BeautifulSoup

html_doc = """<tr> ... </tr><tr> ... </tr><tr> ... </tr><tr> ... </tr><tr><td class="field2 mcFont" style="width: 220px; vertical-align:top">PE<div class="icon-edu icon-general-terms" style="display:none" data-key="PE Ratio"></div></td><td class="mcFont cls">7.18</td></tr><tr> ... </tr><tr> ... </tr><tr> ... </tr><tr> ... </tr><tr>"""
soup = BeautifulSoup(html_doc, "html.parser")

pe = soup.find(lambda t: t.name == "td" and "PE" == t.text).find_next("td")
print(pe.text)

打印：

7.18

或使用CSS选择器：

pe = soup.select_one('td:-soup-contains("PE") + td')
print(pe.text)