提问人：schnydszch 提问时间：3/19/2022 最后编辑：schnydszch 更新时间：3/21/2022 访问量：185
Python Beautifulsoup 遍历 innerHTML 中具有特定文本内容的表，然后获取内容直到特定元素之前
Python Beautifulsoup traverse a table with particular text content in innerHTML then get contents until before a particular element
问：
我有一个html，里面有很多表格可以遍历，如下所示：
<html>
.. omitted parts since I am interested on the HTML table..
<table>
<tbody>
<tr>
<td>
<table>
<tbody>
<tr>
<td class="labeltitle">
<tbody>
<tr>
<td class="labeltitle">
<font color="FFD700">Floor Activity<a name="#jump_fa"></a></font>
</td>
<td class="labelplain"> </td>
</tr>
</tbody>
</td>
</tr>
</tbody>
</table>
</td>
</tr>
</tbody>
</table>
<table>
... omitted just to show the td that I am interested to scrape ...
<td class="labelplain"> Senator(s)</td>
<td class="labelplain">
<table>
<tbody>
<tr>
<td class="labelplain">VILLAR JR., MANUEL B.<br></td>
</tr>
</tbody>
</table>
</td>
...
<table>
<table>
... More tables like the table above (the one with VILLAR Jr.)
</table>
<table>
<tbody>
<tr>
<td class="labeltitle">
<table>
<tbody>
<tr>
<td class="labeltitle"> <font color="FFD700">Vote(s)<a name="#jump_vote"></a></font></td>
<td class="labelplain"> </td>
</tr>
</tbody>
</table>
</td>
</tr>
</tbody>
</table>
... more tables
</html>
我要遍历的表是带有类“labeltitle”和具有文本“Floor Activity”的子元素“font”的 td。在它下面的每个表格中，我都想获取html代码，直到具有td class=“labeltitle”的表格，子代码为“font”，文本内容为“Vote（s）”。我正在尝试像这样使用 xpath：
table = dom.xpath("//table[8]/tbody/tr/td")
print (table)
但无济于事，我得到的是空数组。任何事情都可以（例如，有或没有 xpath）。
我还尝试了以下方法：
rows = soup.find('a', attrs={'name' :'#jump_fa'}).find_parent('table').find_parent('table')
我能够遍历内容为“地板活动”的表格。上面提到的代码只给了我那个特定父级的表内容，我在下面得到的确切输出：
<tr>
<td class="labeltitle" height="22"><table border="0" cellpadding="0" cellspacing="0" width="100%">
<tr>
<td class="labeltitle" width="50%"> <font color="FFD700">Floor
Activity<a name="#jump_fa"></a></font></td>
<td align="right" class="labelplain" width="50%">
</td>
</tr>
</table></td>
</tr>
我正在尝试这个寻找下一个兄弟姐妹，直到某个使用 beautifulsoup 的兄弟姐妹，因为它似乎适合我的用例，但问题是我收到错误“'NoneType'对象没有属性'next_sibling'”，这应该是这种情况，因为 update2 脚本不包括其他表，所以 update2 代码不在等式中。
我的预期输出是一个 json 文件（特殊字符被转义），例如：
{"title":' + '"' + str(var) + '"' + ',"body":" + flooract + ' + "`}
*其中 flooract 是带有特殊字符转义的表的 HTML 代码。示例片段：
<table>\n<tbody>\n<tr>\n<td class=\"labelplain\"> Status Date<\/td><td class=\"labelplain\"> 10/12/2005<\/td>\n<\/tr>\n<tr><td class=\"labelplain\"> Parliamentary Status<\/td>\n<td class=\"labelplain\"><table>\n<tbody><tr>\n<td class="labelplain">SPONSORSHIP SPEECH<br>...Until Period of Committee Amendments
示例文件链接： https://issuances-library.senate.gov.ph/54629.html 我附上了网站的图片：
屏幕截图 3，我用红线圈出了我只想从 HTML 文件中获取的内容：
答： 暂无答案
评论