BeautifulSoup4：如何查找含特定文本远代子孙的所有表格？

核心思路 #

先精准定位最底层的目标元素（带特定文本的<span>），再向上遍历父级链，通过深度/层级计数筛选出符合要求的外层<table>，避免匹配更外层的无关表格。

方法1：BeautifulSoup 递归回溯+层级校验 #

适合结构复杂、需要精确控制深度的场景，步骤如下：

1. 先找到所有包含目标文本的<span>标签；
2. 从每个<span>向上遍历父级，统计遇到的<table>数量或层级数；
3. 当计数符合预设阈值时，记录该<table>为目标。

from bs4 import BeautifulSoup

# 示例HTML（替换为你的页面源码）
html = """
<table>
  <tbody>
    <tr>
      <td>
        <table>
          <tbody>
            <tr>
              <th>
                <span>Text that should be in each table i want to get</span>
              </th>
            </tr>
          </tbody>
        </table>
      </td>
    </tr>
  </tbody>
</table>
"""

soup = BeautifulSoup(html, 'html.parser')
target_text = "Text that should be in each table i want to get"
target_tables = []

# 1. 定位所有符合条件的span
target_spans = soup.find_all('span', string=target_text)

for span in target_spans:
    current_elem = span
    table_hit_count = 0
    # 向上遍历父级链
    while current_elem.parent:
        current_elem = current_elem.parent
        if current_elem.name == 'table':
            table_hit_count += 1
            # 假设目标是第2次遇到的table（外层），根据实际结构调整数值
            if table_hit_count == 2:
                target_tables.append(current_elem)
                break

# 处理目标表格数据
for table in target_tables:
    print(table.prettify())

方法2：CSS选择器+父级定位 #

适合结构固定的场景，先找到包含目标<span>的内层<table>，再直接获取其外层父<table>：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html, 'lxml')  # 需安装lxml解析器，支持:contains()
target_text = "Text that should be in each table i want to get"

# 定位包含目标span的内层table
inner_tables = soup.select(f'table:has(th > span:contains("{target_text}"))')

# 遍历获取外层父table
target_tables = []
for inner_table in inner_tables:
    outer_table = inner_table.find_parent('table')
    if outer_table and outer_table not in target_tables:
        target_tables.append(outer_table)

关键注意事项 #

• 深度阈值调整：根据实际页面的嵌套结构，修改table_hit_count的目标值（比如结构中目标外层是第2个<table>就设为2）；
• 去重处理：如果多个<span>对应同一个目标<table>，记得去重避免重复处理；
• 解析器选择：使用lxml解析器可支持CSS的:contains()选择器，简化目标元素定位。

内容的提问来源于stack exchange，提问作者Noah Lee