Comment puis-je obtenir le premier et le troisième td à partir d'une table avec BeautifulSoup?

C'est un méchant morceau de code HTML que vous avez là. Si nous ignorons la sémantique de lignes du tableau et des cellules de tableau, pour un moment, et la traiter comme une pure XML, sa structure ressemble à ceci:

<tr>
  <td>1
    <td>
      <td>20
        <td>5%</td>
      </td>
    </td>
  </td>
</tr>

BeautifulSoup, cependant, ne sait à propos de la sémantique de tableaux en HTML, et au lieu de cela il analyse comme ceci:

<tr>
  <td>1        <!-- an IMPLICITLY (no closing tag) closed td element -->
  <td>         <!-- as above -->
  <td>20       <!-- as above -->
  <td>5%</td>  <!-- an EXPLICITLY closed td element -->
  </td>        <!-- an error; ignore this -->
  </td>        <!-- as above -->
  </td>        <!-- as above -->
</tr>

... de sorte que, comme vous le dites, le 1er et le 20 sont dans la première et la troisième td éléments (pas tags) respectivement.

Vous pouvez réellement obtenir le contenu de ces td éléments comme ceci:

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup("<tr><td>1<td><td>20<td>5%</td></td></td></td></tr>")
>>> tr = soup.find("tr")
>>> tr
<tr><td>1</td><td></td><td>20</td><td>5%</td></tr>
>>> td_list = tr.find_all("td")
>>> td_list
[<td>1</td>, <td></td>, <td>20</td>, <td>5%</td>]
>>> td_list[0]  # Python starts counting list items from 0, not 1
<td>1</td>
>>> td_list[0].text
'1'
>>> td_list[2].text
'20'
>>> td_list[3].text
'5%'

OriginalL'auteur Zero Piraeus