python取第一个子标签_37-python中bs4获取的标签中如何提取子标签

如果只是要提取一个标签 里面的属性值啥的，直接看这篇文章就可以了：

如果是标签的嵌套，可以参考下面的思路，虽然不是很简洁，但是可以解决你的问题：

可以看到不能直接 findAll 所有的 tr 标签，否则会有许多杂质的， 所以，可以知道 table, 根据id 或者class, 则可以唯一找到；

下面的重点就是如何分析出我们想要的数据，如何提取出 每个 tr 包含的一行数据呢？

我的思路是：

findALL---table  => 得到一个list只包含一个table,也就是我要的table

将这个table 在用一次 findall 然后：

findAll --- tr   ==> 得到一个list,  包含每一个

....;  好，我们已经得到我们要的每一行数据了

如何提取每一个数据呢：两种方法：

第一种是 考虑遍历每个

, 利用findALL函数找 td, 读取td的string

第二种是考虑遍历每个

, 利用findALL函数找到每个td, 用replace 替换掉 ,

代码如下：

# -*- coding:utf-8 -*-

# python 2.7

# XiaoDeng

# http://tieba.baidu.com/p/2460150866

# 标签操作

from bs4 import BeautifulSoup

import urllib.request

import re

# 如果是网址，可以用这个办法来读取网页

# html_doc = "http://tieba.baidu.com/p/2460150866"

# req = urllib.request.Request(html_doc)

# webpage = urllib.request.urlopen(req)

# html = webpage.read()

html = """

(共49条/1页)

学年学期课程名称课程学分考试类型考试成绩所获学分考试成绩320163高等数学Ⅰ(一)5.5正常675.510735620171高等数学Ⅰ(二)5.5正常655.5111481

"""

bs = BeautifulSoup(html, 'lxml')

score = bs.findAll('table', attrs={"id": 'ctl00_MainContentPlaceHolder_GridScore'})

bs2 = score[0] #提取出唯一一项，注意它依然是'lxml'格式，不需要重新beautifulSoup,注意它不是字符串！！！

score = bs2.findAll('tr') #找到每一个行

for i in score:

rt = i.findAll('td') #找到每一列

# print(rt)

if len(rt) == 0:

continue

## 一种方法：

for j in rt:

# print('j: ', j)

sj = str(j)

sj = sj.replace("

", '')

sj = sj.replace('

', '')

print(sj)

## 另一种方法：

for j in rt:

print(j.string)

print('=============================')