如何用HTMLParser()提取指定层级下的目标price类标签内容？

你的代码只能获取第一个price类div的内容，原因是找到第一个目标标签后就通过price_is_found标记停止了后续处理，同时没有正确管理标签的状态重置。以下是针对需求的修改方案：

核心思路 #

收集所有price类div的有效内容，最后取列表末尾的元素；同时正确处理标签的开始与结束状态，避免误捕获无效数据。

修改后的代码 #

from html.parser import HTMLParser

class ParserLyku(HTMLParser):
    def __init__(self):
        super().__init__()
        self.is_price_field = False
        self._all_prices = []

    def handle_starttag(self, tag, attrs):
        # 匹配div标签且class为price时，开启数据捕获标记
        if tag == 'div':
            attrs_dict = dict(attrs)
            if attrs_dict.get('class') == 'price':
                self.is_price_field = True

    def handle_data(self, data):
        # 仅在price标签范围内时处理数据，过滤空白、::before等无效内容
        if self.is_price_field:
            stripped_data = data.strip()
            if stripped_data and stripped_data != '::before':
                # 去除内容中的引号，保留纯数字
                self._all_prices.append(stripped_data.strip('"'))

    def handle_endtag(self, tag):
        # 当price对应的div标签结束时，重置捕获标记
        if tag == 'div' and self.is_price_field:
            self.is_price_field = False

# 测试使用
html_content = """
<div class='price'>150</div>
    <div class='form-row'></div>
        <input type="hidden" value="15121" name="add-to-cart">
            <div class='price'>
                ::before
                "1015"
            </div>
"""

parser = ParserLyku()
parser.feed(html_content)
# 取列表最后一个元素，即目标价格
if parser._all_prices:
    print(parser._all_prices[-1])  # 输出：1015

关键改动说明 #

• 移除了原代码中阻止后续处理的price_is_found等判断，改为收集所有符合条件的price数据。
• 添加handle_endtag方法，在div标签结束时重置is_price_field标记，避免后续非目标标签的数据被误捕获。
• 对捕获的数据做过滤处理，去掉空白字符、::before和多余的引号，确保只保留有效内容。
• 最后从收集到的列表中取末尾元素，即为你需要的最后一个price标签内容。

如果目标price标签有特定的父级结构要求（比如必须在某个指定父标签下），还可以进一步扩展代码：在handle_starttag中跟踪当前标签层级，仅收集符合父级条件的price数据。

内容的提问来源于stack exchange，提问作者Beginner