基于H2的漂亮汤DIV解析

Question

我正在尝试解析一个非常广泛的HTML文档，它看起来像：

<br>
<div class="reportsubsection n" ><br>
    <h2> 1.4 Test </h2><br>
    <p> insert text here </p ><br>
    <table> crazy table thing here < /table ><br>
</div>
<div class="reportsubsection n"><br>
    <h2> 1.4 Finding < /h2 ><br>
    <p> insert text here < /p ><br>
    <table> crazy table thing here < /table><br>
</div>

我需要在具有文本"Finding"的h2的基础上解析出第二个div。我能够用破解所有div标签

divTag = soup.find("div", {"id": "reportsubsection"})

但不知道如何将其缩小。根据我发现的其他帖子，我能够找到特定的文本"第2部分，但我需要能够打印它包含的整个div部分。基本上，如果div有class=reportsubsection，而h2有单词"Finding"，则打印整个"div"。

我根据我发现的其他帖子尝试了以下内容，但没有返回任何结果。

divTag = soup.find("div", {"id": "reportsubsection"})
for reportsubsection in soup.select('div#reportsubsection #reportsubsection'):
if not reportsubsection.findAll('h2', text=re.compile('Finding')):
continue
print divTag

Answer 1

您正在查找id设置为'reportsubjection'的div元素。但在HTML中，值为"reportsubjection"的是div的class属性。

试试这个：

>>> from bs4 import BeautifulSoup as bs
>>> data = '''<div class="reportsubsection n" ><br>
... <h2> 1.4 Test </h2><br>
... <p> insert text here </p><br>
... <table> crazy table thing here </table><br>
... </div>
... <div class="reportsubsection n"><br>
... <h2> 1.4 Finding </h2><br>
... <p> insert text here </p><br>
... <table> crazy table thing here </table><br>
... </div>'''
>>> soup = bs(data)
>>> div_tag = soup.find_all("div", {"class": "reportsubsection n"})
>>> for tag in div_tag:
...     if 'Finding' in tag.h2.text:
...             print tag.text
...
 1.4 Finding
 insert text here
 crazy table thing here