如何用BeautifulSoup提取含指定特征嵌套或连续div的元素？

翻译后的提问： #

我有一段HTML处理代码：

from bs4 import BeautifulSoup

html_text = """\
<div id="aa" class="aa"> This I don't want </div>
<div id="a a" class="b b"> <div id="cc" class="dd"> This I want </div></div>
<div id="aa" class="cc">This I don't want</div>"""

soup = BeautifulSoup(html_text, "html.parser")

我希望用BeautifulSoup提取元素：

<div id="a a" class="b b"> <div id="cc" class="dd">

请问有没有语法可以实现以下两种需求？

1. 提取包含两个div的元素，其中第一个div的特征为id="aa" class="bb"，第二个div的特征为id="cc" class="dd"。
2. 提取包含上述两个连续div的元素（通常用a > b表示b紧跟在a之后）。

针对你的初始提取目标 #

要拿到<div id="a a" class="b b">这个元素，有两种简单方法：

# 方法1：直接通过自身属性定位
target_div = soup.find("div", id="a a", class_="b b")

# 方法2：通过子元素反向查找父元素
target_div = soup.find("div", id="cc", class_="dd").parent

需求1：提取包含两个指定div的元素 #

核心是找到同时包含两个特征div的父元素，可通过两种方式实现：

方式一：反向遍历父元素验证 #

先定位第二个特征div，再遍历它的所有父元素，找到包含第一个特征div的容器：

# 定位第二个目标div
child_dd = soup.find("div", id="cc", class_="dd")
# 遍历父元素找符合条件的容器
target_parent = None
for parent in child_dd.parents:
    if parent.find("div", id="aa", class_="bb"):
        target_parent = parent
        break

方式二：自定义筛选条件查找 #

用lambda表达式作为筛选条件，直接找到同时包含两个特征div的容器：

target_parent = soup.find(
    lambda tag: tag.name == "div" 
    and tag.find("div", id="aa", class_="bb") 
    and tag.find("div", id="cc", class_="dd")
)

需求2：提取包含两个连续div的元素 #

你提到的a > b在CSS选择器里是直接子元素关系，但你描述的“b紧跟在a之后”更接近相邻兄弟关系（对应CSS选择器a + b），两种场景分别处理：

场景1：两个div是相邻兄弟（a紧跟b） #

先找到符合条件的相邻兄弟对，再取它们的父元素：

# 用CSS相邻兄弟选择器定位第二个div
second_div = soup.select_one("div#aa.bb + div#cc.dd")
# 获取父元素
target_parent = second_div.parent

场景2：两个div是直接父子（b是a的直接子元素） #

直接定位父元素，验证它的直接子元素包含目标div：

target_parent = soup.find(
    lambda tag: tag.name == "div" 
    and tag.find("div", id="aa", class_="bb") 
    and tag.find("div", id="cc", class_="dd", recursive=False)
)

内容的提问来源于stack exchange，提问作者Akira