如何在beautifulsoup中使用-soup-contains獲得選擇的下兩個兄弟姐妹

意圖 我正在努力從Wikipedia 中提取有關所有國家/地區的資料。我希望我的決議器足夠通用以適用于所有國家/地區。

假設我現在正在從所有國家/地區提取 GDP (PPP)。在Wikipedia 中，它們被放置在 infoBox 表中。問題是 GDP(PPP) 在表中的 3 個不同行之間拆分。

這是結構：

   <th scope="row" class="infobox-label">
                              <a href="/wiki/Gross_domestic_product" title="Gross domestic product">GDP</a>&#160;
                              <style data-mw-deduplicate="TemplateStyles:r886047488">.mw-parser-output .nobold{font-weight:normal}</style>
                              <span class="nobold">(<a href="/wiki/Purchasing_power_parity" title="Purchasing power parity">PPP</a>)</span>
                           </th>
                           <td class="infobox-data">2020&#160;estimate</td>
                        </tr>
                        <tr class="mergedrow">
                           <th scope="row" class="infobox-label">
                              <div class="ib-country-fake-li">?&#160;Total</div>
                           </th>
                           <td class="infobox-data"><img alt="Increase" src="//upload.wikimedia.org/wikipedia/commons/thumb/b/b0/Increase2.svg/11px-Increase2.svg.png" decoding="async" title="Increase" width="11" height="11" srcset="//upload.wikimedia.org/wikipedia/commons/thumb/b/b0/Increase2.svg/17px-Increase2.svg.png 1.5x, //upload.wikimedia.org/wikipedia/commons/thumb/b/b0/Increase2.svg/22px-Increase2.svg.png 2x" data-file-width="300" data-file-height="300" /> $1.391 trillion<sup id="cite_ref-IMFWEOEG_10-0" class="reference"><a href="#cite_note-IMFWEOEG-10">&#91;10&#93;</a></sup>&#32;(<a href="/wiki/List_of_countries_by_GDP_(PPP)" title="List of countries by GDP (PPP)">20th</a>)</td>
                        </tr>
                        <tr class="mergedbottomrow">
                           <th scope="row" class="infobox-label">
                              <div class="ib-country-fake-li">?&#160;Per capita</div>
                           </th>
                           <td class="infobox-data"><img alt="Increase" src="//upload.wikimedia.org/wikipedia/commons/thumb/b/b0/Increase2.svg/11px-Increase2.svg.png" decoding="async" title="Increase" width="11" height="11" srcset="//upload.wikimedia.org/wikipedia/commons/thumb/b/b0/Increase2.svg/17px-Increase2.svg.png 1.5x, //upload.wikimedia.org/wikipedia/commons/thumb/b/b0/Increase2.svg/22px-Increase2.svg.png 2x" data-file-width="300" data-file-height="300" /> $14,023<sup id="cite_ref-IMFWEOEG_10-1" class="reference"><a href="#cite_note-IMFWEOEG-10">&#91;10&#93;</a></sup>&#32;(<a href="/wiki/List_of_countries_by_GDP_(PPP)_per_capita" title="List of countries by GDP (PPP) per capita">92nd</a>)</td>
                        </tr>

這是我到目前為止嘗試過的：

site= "http://en.wikipedia.org/wiki/Brazil"
country = requests.get(site)
countryPage = BeautifulSoup(country.content, "html.parser")
infoBox = countryPage.find("table", class_="infobox ib-country vcard")
#find GDP PPP
tds = infoBox.select('th:-soup-contains("PPP")   tr')
print(tds)

問題 盡管使用“ tr”作為 CSS 選擇器，該代碼仍列印 GDP PPP 本身的行，而不是其后的行。

誰能告訴我我做錯了什么？如何在使用 CSS 選擇器找到的行之后選擇表格行？

uj5u.com熱心網友回復：

要選擇下一個兄弟姐妹，<tr>您可以使用：

soup.select_one('tr:has(th:-soup-contains("PPP"))~tr')

或者你想要它們兩個：

soup.select('tr:has(th:-soup-contains("PPP"))~tr')[:2]

獲取文本：

[x.text for x in soup.select('tr:has(th:-soup-contains("PPP"))~tr')[:2]]

uj5u.com熱心網友回復：

我不認為你可以用 css 選擇器實作你想要的。您必須以一種或另一種方式存盤行或獲取行的索引。如果將select結果轉換為生成器，則可以使用next

trs = (tr for tr in soup.select('tr'))
for tr in trs:
    if 'PPP' in tr.text:
        print(next(trs).text)
        print(next(trs).text)
>>> ? Total $3.328 trillion[8] (8th)
>>> ? Per capita $15,642[8] (84th)

標籤：Python 网页抓取 美汤 css-选择器 维基百科

上一篇：努力用美湯獲得干凈的卓越

下一篇：為什么網頁抓取回圈回傳錯誤