尝试提取特定div和子div下的数据

问题描述：

我试图获得它，因此我可以让它打印本书和章节的标题，但只列出每本书和标题。尝试提取特定div和子div下的数据

所以基本上 “雅各布的第一本书” 章节1-7

，而不是它遍历所有的书。

这里是页面布局（URL包括在Python代码）

<dl> 
    <dt>Title</dt> 
    <dd> 
    <dl> 
     <dt>Sub Title</dt> 
    </dl> 
    </dd> 
    <dt>Title 2</dt> 
    <dd> 
    <dl> 
     <dt>Sub Title 2</dt> 
    </dl> 
    </dd> 
</dl> 
#this continues for Title 3, Sub title 3, etc etc

这里是Python代码

import requests 
import bs4 


scripture_url = 'http://scriptures.nephi.org/docbook/bom/' 
response = requests.get(scripture_url) 
soup = bs4.BeautifulSoup(response.text) 

links = soup.select('dl dd dt') 
for item in links: 
    title = str(item.get_text()).split(' ', 1)[1] 
    print title

这里是输出

Chapter 1 
Chapter 2 
Chapter 3 
Chapter 4 
Chapter 5 
Chapter 6 
Chapter 7 
Chapter 8 
Chapter 9 
Chapter 10 
Chapter 11 
Chapter 12 
Chapter 13 
Chapter 14 
Chapter 15 
Chapter 16 
Chapter 17 
Chapter 18 
Chapter 19 
Chapter 20 
Chapter 21 
Chapter 22 
Chapter 1 
Chapter 2 
Chapter 3 
Chapter 4 
Chapter 5 
Chapter 6 
Chapter 7 
Chapter 8 
Chapter 9 
Chapter 10 
Chapter 11 
Chapter 12 
Chapter 13 
Chapter 14 
Chapter 15 
Chapter 16 
Chapter 17 
Chapter 18 
Chapter 19 
Chapter 20 
Chapter 21 
Chapter 22 
Chapter 23 
Chapter 24 
Chapter 25 
Chapter 26 
Chapter 27 
Chapter 28 
Chapter 29 
Chapter 30 
Chapter 31 
Chapter 32 
Chapter 33 
Chapter 1 
Chapter 2 
Chapter 3 
Chapter 4 
Chapter 5 
Chapter 6 
Chapter 7 
Chapter 1 
Chapter 1

描述不清晰可言 - 有一些矛盾。发布预期的输出结果可能会帮助我们理解你实际尝试实现的结果 – har07

@ har07谢谢你，我继续澄清了这个问题，并将输出结果放在了一边，并试图更好地解释它。 – nadermx

答

你可以尝试这样的事情。首先，找一本书，例如，具有标题“雅各书”：

book_title = 'The Book of Jacob' 
book = soup.find('a', text=book_title) 
print book.text

然后选择<dd>即书名直接兄弟姐妹，并发现<dd>元素中所有相应章节：

links = book.parent.select('+ dd > dl > dt') 
for item in links: 
    title = str(item.get_text()).split(' ', 1)[1] 
    print title

输出：你需要什么

The Book of Jacob 
Chapter 1 
Chapter 2 
Chapter 3 
Chapter 4 
Chapter 5 
Chapter 6 
Chapter 7

答

刚刚切断在数组中的最后2个，控制不是细粒度的，因为在html标记中没有任何id或名字

links = soup.select('dl dd dt') 
for item in links[:-2]: 
    title = str(item.get_text()).split(' ', 1)[1] 
    print title

这似乎不适用于我所需要的。我更新了这个问题来澄清。该网站有一个以上的标题，持续一段时间。我需要能够改变条款，并选择说标题1或标题7等 – nadermx

答

假设你知道他们总是第一和第二值，你可以使用一个数组引用：

title = links[0]; 
subtitle = links[1];

我更新了我的问题。我需要能够选择第一个，然后是第二个或第三个，因为它是一个有很多部分的页面 – nadermx

尝试提取特定div和子div下的数据

相关推荐