Python 涉及平面HTML层次结构和下一个兄弟循环的BeautifulSoup疑难解答

因此，我有一个简单的HTML层次结构：

<div class="caption">
  <strong>July 1</strong>
  <br>
  <em>Top Gun</em>
  <br>
  "Location: Millennium Park"
  <br>
  "Amenities: Please be a volleyball tournament..."
  <br>
  <em>Captain Phillips</em>
  <br>
  "Location: Montgomery Ward Park"
  <br>
  <br>
  <strong>July 2</strong>
  <br>
  <em>The Fantastic Mr. Fox </em>

要

lxml

（需要安装），或

html.parser

帮助我解决了问题（通常，所有学分都归@abarnert），演示：

请注意，如果不明确指定解析器，

BeautifulSoup

将自动选择一个：

如果不指定任何内容，您将得到最好的HTML解析器 安装。那么，BeautifulSoup将lxml的解析器列为最佳解析器 html5lib，然后是Python的内置解析器

我想，在您的例子中，选择的是

html5lib

，正如您在演示中看到的，它存在问题，没有找到

strong

标记，因此，您看不到打印的

标题


此外，根据@abarnert的注释，一旦点击下一个
strong
标记，您需要退出内部循环：

root = soup.find_all("strong")
for row in root:
    for sibling in row.next_siblings:
        if sibling.name == "strong":
            break
        if sibling.name == "em":
            print sibling.text

印刷品：

A League of Their Own
It's a Mad, Mad, Mad, Mad World
Monsters University 
...
Cloudy with a Chance of Meatballs 2
Best in Show
Ironman 3
Sean Cooley is Thrillist's Chicago Editor and is still mad that Ben Affleck is the new Batman. Follow him @SeanCooley.

这段代码只是在无限循环中永远旋转。我想你想要一个兄弟姐妹。下一个兄弟姐妹在那里的某个地方。虽然我不知道为什么你不只是在
行上循环。下一个是
。不管怎样，我都会解决这个问题，我会得到“神奇的狐狸先生”作为输出，至少通过你的示例输入。和
Ironman 3
当我访问URL时。值得指出的是，您的示例输入是一个不完整的片段，并且似乎假装是HTML5，但不是有效的HTML5，所以…哪个版本的语法分析器，哪个版本的语法分析器（如果是lxml，那么是哪个libxml2版本）？@abarnert-hah，我甚至不知道如何检查我的BS版本！我没有使用lxml（我应该吗？），我的全部代码就是这样。html来自检查URL的元素（），您可以从Python内部使用
bs4.\uuuuu version\uuuuu
检查BS版本，或者从外部使用
pip list | grep-i beautifulsoup
检查BS版本（除非您在Windows上，或者没有使用
pip
安装）。这些文档（alecxe的答案链接到这些文档）向您展示了如何设置解析器，以及这意味着什么<语法分析器
/
HTMLParser
与Python一起提供；另外两个，您必须安装
pip
，如果您安装了它们，相同的
pip列表将显示它们的版本
libxml2
是
lxml
需要的一个C库；具体细节取决于你的平台。如果他的问题是
title
为空，这并不能解决问题。（事实上，没有什么能解决问题，因为它一开始就无法复制…@abarnert我同意，你最后的评论实际上是这里的关键问题。谢谢。@abarnert对于您最初提出的更改解析器的建议，给予您一定的奖励是公平的。考虑一下提供一个答案。嗯，你做了测试所有三个解析器的研究，以找出他可能在使用哪一个以及为什么它不工作。在过去的几天里，你已经回答了我很多问题，所以我记得你，哈哈。但是，排除最后一行的最好方法是什么？非常感谢，你和@abarnert都是救生员！
root = soup.find_all("strong")
for row in root:
    for sibling in row.next_siblings:
        if sibling.name == "strong":
            break
        if sibling.name == "em":
            print sibling.text

A League of Their Own
It's a Mad, Mad, Mad, Mad World
Monsters University 
...
Cloudy with a Chance of Meatballs 2
Best in Show
Ironman 3
Sean Cooley is Thrillist's Chicago Editor and is still mad that Ben Affleck is the new Batman. Follow him @SeanCooley.