使用BeautifulSoup提取包含字符串的表

Question

我正在尝试使用BeautifulSoup解析一个网站，该网站包含表格内的表格等表格中的许多表格。具体来说，我正在浏览这种形式的网站。我想提取相关表，例如匹配统计数据，但似乎找不到提取相关表的方法，因为它们不包含诸如特定类之类的区别特征。有没有一种方法可以提取包含某些字符串的表？

Answer 1

只做类似的事情：

soup.findAll("table", {"width": "585"})

在我看来，所有基于统计的表格的宽度均为585px。尽管这可能会改变，但它似乎是一个不错的起点。

据我所知，没有一种方法可以搜索包含字符串的元素。但是，没有什么可以阻止您使用findAll('table')然后迭代每个表来查找您的字符串的。找到它后，处理表。

Answer 2

您可以提取包含字符串的表，例如：

for tag in soup.find_all(text=re.compile('Sydney Match Statistics')):

        print tag.findParent('table').findParent('table')

这将找到包含文本“ Sydney Match Statistics”的元素，然后找到包含该元素的元素，然后找到table另一个table包含该元素的元素。

在找到包含相关字符串的元素后，.parent和.next_sibling方法对于您的案例来说也很有用，以导航至正确的元素。