检索内容与搜索匹配的第一个HTML标记

Question

Using: bs4, Python3.9, lxml

假设我有一些像这样的HTML:

<div>
<a href="google.com">Item 3</a>
<a href="facebook.com">Item 3</a>
</div>

我想找到单词Item 3的第一次出现，并获得特定的<a>标签和它指向的链接。我该怎么做呢?谢谢!

Answer 1

使用.find()方法将返回它找到的第一个实例。因此，只需查找具有给定文本的<a>标记，并取出href属性:

from bs4 import BeautifulSoup

html = '''<div>
<a href="google.com">Item 3</a>
<a href="facebook.com">Item 3</a>
</div>'''

soup = BeautifulSoup(html, 'html.parser')
item3 = soup.find('a', text='Item 3')['href']

输出:

print (item3)
google.com

Answer 2

可以使用xpath:

from lxml import etree
root = etree.fromstring(html_doc)
e = root.xpath('.//a[text()="TEXT B"]')

输出:

print(e.text)
TEXT B

Answer 3

您可以使用.find和text=属性lambda:

from bs4 import BeautifulSoup
html_doc = """
<div>
<a href="google.com">Item 3</a>
<a href="facebook.com">Item 3</a>
</div>
"""
soup = BeautifulSoup(html_doc, "html.parser")
to_search = "Item 3"
tag = soup.find(text=lambda t: to_search in t).parent
print(tag)

打印:

<a href="google.com">Item 3</a>

---

或者:Using CSS selector:

a = soup.select_one('a:-soup-contains("Item 3")')
print(a)
print(a["href"])

打印:

<a href="google.com">Item 3</a>
google.com