BeautifulSoup - 帮我挑选 div 和类

Question

这是我的 HMTL 代码：

<div class="BlockA">
    <h4>BlockA</h4>
    <div class="name">John Smith</div>
    <div class="number">2</div>
    <div class="name">Paul Peterson</div>
    <div class="number">14</div>
</div>

<div class="BlockB">
    <h4>BlockB</h4>
    <div class="name">Steve Jones</div>
    <div class="number">5</div>
</div>

注意 BlockA 和 BlockB。两者都包含相同的元素，即 name 和 number，但位于不同的类中。我是 python 新手，正在考虑尝试类似的方法：

parsedHTML = soup.findAll("div", attrs={"name" : "number"})

但这只会给我一个空白屏幕。我是否可以从 blockA 中执行 findAll，显示数据，然后从 BlockB 启动另一个循环并执行相同操作？

谢谢。

编辑：对于那些询问的人，我想简单地循环遍历 JSON 中的值和输出，如下所示：

BlockA
    John Smith
    2
    Paul Peterson
    14

BlockB
    Steve Whoever
    123
    Mr Whathisface
    23

Answer 1

您想查找包含“名称”或“数字”类属性的 div 吗？

>>> import re
>>> soup.findAll("div", {"class":re.compile("name|number")})

[<div class="name">John Smith</div>, <div class="number">2</div>, <div class="name">Paul Peterson</div>, <div class="number">14</div>, <div class="name">Steve Jones</div>, <div class="number">5</div>]

Answer 2

您需要使用可能的 class 值的列表。

soup.findAll('div', {'class': ['name', 'number']})

看到您的编辑后：

def grab_content(heading):
    siblings = [s.contents[0] for s in heading.findNextSiblings()]
    return {heading.contents[0]: siblings}

headings = soup.findAll('h4')
[grab_content(h) for h in headings]

原始 HTML 片段的输出将是：

[{u'BlockA': [u'John Smith', u'2', u'Paul Peterson', u'14']},
 {u'BlockB': [u'Steve Jones', u'5']}]