Question

サブ要素のないサブ要素：

<div class="what-im-after"> 
    <p> 
     "content I want" 
    </p> 
    <p> 
     "content I want" 
    </p> 
    <p> 
     "content I want" 
    </p> 
    <div class='not-what-im-after"> 
     <p> 
      "content I don't want" 
     </p> 
    </div> 
    <p> 
     "content I want" 
    </p><p> 
     "content I want" 
    </p> 
</div> 

私はサブ要素ある段落タグからすべてのコンテンツを抽出しようとしているが<div class="what-im-after">コンテナのコンテナですが、<div class="not-what-im-after">コンテナ内にはコンテナはありません。

私が行うときに、この：

私は私に完全に理にかなって <div class='not-what-im-after>、内のものを含め、すべての <p>タグを、取り戻す

soup = Beautifulsoup(html.text, 'lxml') 
content = soup.find('div', class_='what-im-after').findAll('p') 

。それが私が求めているものです。

私の質問は、別のSubElementに含まれていない限り、すべての<p>タグを取得するようにPythonに指示する方法です。

Answer 1

何がしたいことは、あなただけの他のタグ内ではありませんwhat-im-afterのdivの下のpタグたい場合 = Falseを再帰的を設定することです：あなたのループロジックとまったく同じである

soup = BeautifulSoup(html) 

print(soup.find('div', class_='what-im-after').find_all("p", recursive=False)) 

を親をチェックする。

Answer 2

この質問を書く過程で、うまくいくと思われるアプローチが思い浮かびました。

基本的には、それぞれの<p>要素をチェックして、親要素が<div class="what-im-after">であるかどうかを確認しています。サブ要素内にネストされている<p>タグは実質的に除外されています。次のように

私のコードは次のとおりです。

filter_list = [] 

parent = soup.find('div', class_='what-im-after') 
content = soup.find('div', class_='what-im-after').findAll('p') 

if content.parent is parent: 
    filter_list.append(content) 

filter_listは、他のサブ要素内にネストされていない<p>すべてのタグが含まれています。

Answer 3

多分これが欲しいです。 そして、divの最初のレベルの子要素をフィルタリングするだけです。