找到元素的直接子元素
我正在编写一个解决方案来在Python中测试这种现象。 我完成了大部分逻辑，但在维基百科文章中关注链接时会出现许多边缘案例。
我遇到的问题出现在这样一个页面上，其中第一个<p>具有多个子级元素，第一个括号之后的第一个<a>标签需要提取。 在这种情况下（为了提取这个链接），你必须跳过括号，然后到达下一个定位标记/ href。 在大多数文章中，我的算法可以跳过括号，但是以它在圆括号前面寻找链接的方式（或者如果它们不存在），它会在错误的地方找到锚标记。 具体来说，这里： <span style="font-size: small;"><span id="coordinates"><a href="/wiki/Geographic_coordinate_system" title="Geographic coordinate system">Coordinates</a>
该算法通过迭代遍历第一段落标记中的元素（在文章的主体中），迭代地对每个元素进行字符串化，首先检查它是否包含'（'或'
是否有任何直接的方式来避免嵌入式锚定标记，并只采取第一个链接是第一个<p>的直接子<p> ？
以下是此代码的功能以供参考：
**def getValidLink(self, currResponse):
currRoot = BeautifulSoup(currResponse.text,"lxml")
temp = currRoot.body.findAll('p')[0]
parenOpened = False
parenCompleted = False
openCount = 0
foundParen = False
while temp.next:
temp = temp.next
curr = str(temp)
if '(' in curr and str(type(temp)) == "<class 'bs4.element.NavigableString'>":
foundParen = True
break
if '<a' in curr and str(type(temp)) == "<class 'bs4.element.Tag'>":
link = temp
break
temp = currRoot.body.findAll('p')[0]
if foundParen:
while temp.next and not parenCompleted:
temp = temp.next
curr = str(temp)
if '(' in curr:
openCount += 1
if parenOpened is False:
parenOpened = True
if ')' in curr and parenOpened and openCount > 1:
openCount -= 1
elif ')' in curr and parenOpened and openCount == 1:
parenCompleted = True
try:
return temp.findNext('a').attrs['href']
except KeyError:
print "nReached article with no main body!n"
return None
try:
return str(link.attrs['href'])
except KeyError:
print "nReached article with no main bodyn"
return None**
我认为你是在严肃地解决这个问题。
有多种方式可以使用BeautifulSoup元素之间的直接亲子关系。 一种方法是> CSS选择器：
In [1]: import requests
In [2]: from bs4 import BeautifulSoup
In [3]: url = "https://en.wikipedia.org/wiki/Sierra_Leone"
In [4]: response = requests.get(url)
In [5]: soup = BeautifulSoup(response.content, "html.parser")
In [6]: [a.get_text() for a in soup.select("#mw-content-text > p > a")]
Out[6]:
['West Africa',
'Guinea',
'Liberia',
...
'Allen Iverson',
'Magic Johnson',
'Victor Oladipo',
'Frances Tiafoe']
在这里我们发现a是直接位于下元素p直接与元素的元素id="mw-content-text" -从我的理解，这是其中主要的维基百科文章位于英寸
如果您需要单个元素，请使用select_one()而不是select() 。
另外，如果你想通过find*()来解决它，传递recursive=False参数。