使用BS4解析HTML遇筛选问题：无法按data-user-id过滤消息

问题场景 #

现有一段Discord聊天记录的HTML片段：

<div class="chatlog__message-primary">
   <div class="chatlog__header"><span class="chatlog__author" data-user-id="568352418596587458" title="discorduser#1234">Discord User</span> <span class="chatlog__timestamp"><a href="#chatlog__message-container-854963254185698547">16-Jan-22 12:33 PM</a></span></div>
   <div class="chatlog__attachment"><a href="imageurl here"> <img alt="Image attachment" class="chatlog__attachment-media" loading="lazy" src="imageurl here" title="Image: image title.jpg (2.12 MB)"/> </a></div>
</div>

尝试用以下代码按data-user-id筛选消息时，无法输出符合条件的内容：

from bs4 import BeautifulSoup, Tag
html = open("test.html", encoding='utf-8', buffering=100000).read()
soup = BeautifulSoup(html, 'lxml')
allMessages = soup.find_all('div', class_="chatlog__message-primary")
discordId = soup.find('span', {'data-user-id':'568352418596587458'})
for message in allMessages:
    if discordId in message:
        print (message)

而单独提取图片链接的代码，又无法按用户ID筛选：

for div in soup.find_all('div', class_='chatlog__attachment'):
            print (div.a['href'])

需要实现同时按指定data-user-id筛选消息，并提取对应消息中的图片链接的功能。

错误原因 #

原代码中discordId = soup.find(...)是从整个HTML文档中找到的第一个匹配元素，用discordId in message判断时，实际是在检查这个全局元素是否属于当前message节点，逻辑错误。正确的做法应该是在每个消息容器内部，单独查找是否存在目标data-user-id的元素。

解决方案 #

遍历每个消息容器，在容器内先验证是否属于目标用户，再提取图片链接：

from bs4 import BeautifulSoup

# 读取HTML文件
html = open("test.html", encoding='utf-8').read()
soup = BeautifulSoup(html, 'lxml')

# 目标用户ID
target_user_id = "568352418596587458"

# 遍历所有消息容器
for message in soup.find_all('div', class_="chatlog__message-primary"):
    # 在当前消息内查找目标用户的span元素
    author_span = message.find('span', {'data-user-id': target_user_id})
    if author_span:
        # 找到用户对应的消息，提取图片链接
        attachment_div = message.find('div', class_='chatlog__attachment')
        if attachment_div and attachment_div.a:
            print(f"用户 {author_span.text} 的图片链接：{attachment_div.a['href']}")

代码说明 #

• 首先遍历所有消息容器chatlog__message-primary
• 对每个容器，用message.find(...)在内部查找目标data-user-id的作者元素，确保只处理该用户的消息
• 确认是目标用户的消息后，再在同一容器内查找图片附件chatlog__attachment，提取其中的<a>标签href属性

内容的提问来源于stack exchange，提问作者Mister Conagher