根据它所包围的内容找到一个标签（使用beautifulsoup）

Question

我使用BeautifulSoup来解析一些HTML。比方说，我有一个BeautifulSoup叫汤下面的HTML：

<td class="1">test1</td> 
<td>test2</td> 
<td class="3"><a href="/">test3</a></td> 
<td><div class="test4"><a class="test4" href="/">test4</a></div></td> 
<td><div class="test4"><a class="test4" href="/">test4</a></div></td> 

我可以得到所有“TD”标签的物品有：

soup.findAll("td") 

但我怎么能找到只有“TD”标记，环绕有test4级的div吗？或者用test4包围'a'标签？

我知道我能找到带有属性的标签，如：

soup.findAll("a", {"class":"test4"}) 

但我需要这与最初的“TD”的搜索结合起来，让我扔掉所有的“TD”没有标签环绕'a'或'div'标签。

想法？谢谢！

Answer 1

这只有当TEST4元素的直接父是TD，但它应该给你如何做一个更复杂的查询的思想工作：

>>> from BeautifulSoup import BeautifulSoup 
>>> soup = BeautifulSoup('''<td class="1">test1</td> 
... <td>test2</td> 
... <td class="3"><a href="/">test3</a></td> 
... <td><div class="test4"><a class="test4" href="/">test4</a></div></td> 
... <td><div class="test4"><a class="test4" href="/">test4</a></div></td> 
... ''') 
>>> [tag.parent for tag in soup.findAll(attrs = {"class": "test4"}) 
... if tag.name in ['a', 'div'] and tag.parent.name == 'td'] 
[<td><div class="test4"><a class="test4" href="/">test4</a></div></td>, <td><div class="test4"><a class="test4" href="/">test4</a></div></td>] 

Answer 2

这是我会怎么做：

>>> tdList = [] 
>>> for td in soup.findAll('td'): 
...  for div in td.findAll('div',{'class':'test4'}): 
...   tdList.append(div.parent) 
... 
>>> tdList 
[<td><div class="test4"><a class="test4" href="/">test4</a></div></td>, <td><div class="test4"><a class="test4" href="/">test4</a></div></td>] 

当然，您可以根据需要增加粒度，但是对于提供的html，可以完成工作。