BeautifulSoup在findAll中排除标签

问题描述

在beautifulsoup中，如何在使用findAll时排除特定标签内的标签。

让我们考虑这个示例，我想在html中找到<p>标记内的

标记之外的所有<tr>标记。

soup.findAll(['p'])

上面的代码将获取所有<p>标签，但我需要删除<p>标签内的<tr>标签。

解决方法

如果我理解正确，那么您想选择所有级别中没有p作为父项的所有tr。

您可以选择所有p，然后使用findParent函数过滤结果。 findParent将返回给定标签名称的第一个父级，否则返回None。

from bs4 import BeautifulSoup

html = """
  <tr>
    <p>1</p>
  </tr>
  
  <tr>
    <td>
      <p>2</p>
    </td>
  </tr>
  
  <p>3</p>
  
  <div>
    <p>4</p>
  </div>
"""

soup = BeautifulSoup(html,"html.parser")
print([p for p in soup.findAll('p') if not p.findParent('tr')])

,

您可以使用.select。示例：
选择所有<p>标签，但在<p>标签内排除<tr>标签。

soup.select('p:not(tr > p)')

选择所有<p>标签，但排除属于<p>标签子元素的<tr>标签

soup.select('p:not(tr p)')

选择所有<p>和<h2>标签，但排除<p>标签的子标签<tr>

soup.select('p,h2:not(tr p)')