如何用BeautifulSoup获取多层<div>内容及嵌套<div>中的时间数据？

嘿，我来帮你搞定这两个BeautifulSoup的问题，顺便揪出你代码失效的原因～

首先得明确“多层div”的结构——是嵌套的层级关系，还是同级的多层？不管哪种，核心是用对CSS选择器或者BeautifulSoup的查找方法：

• 如果是嵌套多层的div（比如<div class="level1"><div class="level2"><div class="level3">目标内容</div></div></div>）：
  • 用CSS层级选择器：soup.select_one(".level1 .level2 .level3").text（空格表示后代元素，不管嵌套多少层）
  • 或者链式调用find：soup.find("div", class_="level1").find("div", class_="level2").find("div", class_="level3").text
• 如果是同级的多层div（比如连续几个div在同一父容器下）：
  • 用soup.select("div.parent > div")（>表示直接子元素）来获取所有同级子div，再遍历提取内容

你之前代码里的soup.select("div.div")是错误的——这个选择器是找所有class="div"的div标签，但你提供的HTML样本里目标是class='row'的div，这完全不匹配，所以代码没生效！

这种两层嵌套的结构很简单，有几种高效的方法：

• 方法1：链式find
  直接逐层查找：

  time_text = soup.find("div").find("div").get_text(strip=True)
  print(time_text)  # 输出：6:00.00
  

• 方法2：CSS子选择器
  用>指定直接子元素，精准定位：

  time_elem = soup.select_one("div > div")
  if time_elem:
      print(time_elem.get_text(strip=True))
  

• 方法3：批量获取（如果页面有多个这样的结构）
  如果页面里有多处两层嵌套的时间div，遍历提取：

  time_elements = soup.select("div > div")
  for elem in time_elements:
      text = elem.get_text(strip=True)
      # 可以加个判断，筛选出时间格式的内容
      if ":" in text and "." in text:
          print("找到时间：", text)
  

结合你爬取的项目页面，我调整了代码，帮你正确获取内容：

import requests
from bs4 import BeautifulSoup

page = requests.get("https://www.energystorageexchange.org/projects/2")
soup = BeautifulSoup(page.content, 'lxml')

# 示例1：获取class="row"的div下的多层内容
rows = soup.select("div.row")
for row in rows:
    # 提取row下所有嵌套div的文本内容
    nested_texts = [div.get_text(strip=True) for div in row.select("div") if div.get_text(strip=True)]
    if nested_texts:
        print("行内容：", " | ".join(nested_texts))

# 示例2：查找页面中两层嵌套的时间数据
time_candidates = soup.select("div > div")
for candidate in time_candidates:
    text = candidate.get_text(strip=True)
    if len(text) >= 5 and ":" in text:  # 简单判断时间格式
        print("匹配到时间：", text)

内容的提问来源于stack exchange，提问作者pickenpack