Beautiful Soup - 選擇第n個子元素

HTML 的特點是標籤的層次順序。例如，<html> 標籤包含 <body> 標籤，在 <body> 標籤內部可能存在 <div> 標籤，並且 <div> 標籤內部可能分別巢狀 <ul> 和 <li> 元素。findChildren() 方法和 .children 屬性都返回一個包含元素所有直接子標籤的 ResultSet（列表）。透過遍歷列表，可以獲取位於所需位置的子元素，即第 n 個子元素。

下面的程式碼使用了 HTML 文件中 <div> 標籤的 children 屬性。由於 children 屬性的返回型別是列表迭代器，因此我們將從中檢索一個 Python 列表。我們還需要從迭代器中移除空格和換行符。完成後，我們就可以獲取所需的子元素。此處顯示了 <div> 標籤索引為 1 的子元素。

示例

from bs4 import BeautifulSoup, NavigableString

markup = '''
   <div id="Languages">
      <p>Java</p> <p>Python</p> <p>C++</p>
   </div>
'''
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.div
children = tag.children
childlist = [child for child in children if child not in ['\n', ' ']]
print (childlist[1])

輸出

<p>Python</p>

要使用 findChildren() 方法代替 children 屬性，請將語句更改為

children = tag.findChildren()

輸出不會有任何變化。

定位第 n 個子元素的更有效方法是使用 select() 方法。select() 方法使用 CSS 選擇器從當前元素獲取所需的 PageElements。

Soup 和 Tag 物件透過其 .css 屬性支援 CSS 選擇器，該屬性是 CSS 選擇器 API 的介面。選擇器實現由 Soup Sieve 包處理，該包與 bs4 包一起安裝。

Soup Sieve 包定義了不同型別的 CSS 選擇器，即簡單、複合和複雜 CSS 選擇器，它們由一個或多個型別選擇器、ID 選擇器、類選擇器組成。這些選擇器在 CSS 語言中定義。

Soup Sieve 中也有偽類選擇器。CSS 偽類是新增到選擇器中的一個關鍵字，用於指定所選元素的特殊狀態。在本例中，我們將使用 :nth-child 偽類選擇器。由於我們需要從 <div> 標籤的第 2 個位置選擇一個子元素，因此我們將 :nthchild(2) 傳遞給 select_one() 方法。

示例

from bs4 import BeautifulSoup, NavigableString

markup = '''
   <div id="Languages">
      <p>Java</p> <p>Python</p> <p>C++</p>
   </div>
'''
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.div

child = tag.select_one(':nth-child(2)')
print (child)

輸出

<p>Python</p>

我們得到與 findChildren() 方法相同的結果。請注意，子元素編號從 1 開始，而不是像 Python 列表那樣從 0 開始。

列印頁面