我有HTML文件。对于每个文件，我想一个接一个地抓取所有表，并且仍然有表的索引，用于获取表之前的标题和一些文本。

我使用soup.find_all('divs')来提取所有的DIV，并根据结果构建我的应用程序。

当我尝试一个格式略有不同的HTML文件时，如下所示：

<div style="margin-top:27.85pt;margin-bottom:21.86pt;margin-left:69.66pt;width:456pt;">
<div style="text-align:center; width:456pt; line-height:14pt;font-weight:bold;color:#33058D;font-size:12pt;">UNITED STATES<br/>SECURITIES AND EXCHANGE COMMISSION<br/>Washington, D.C. 20549<font style="font-weight:normal;color:#3D3935;font-family:Times New Roman, Times, serif ;letter-spacing:0.24pt;"> </font></div>
<div style="margin-top:12pt; text-align:center; width:456pt; line-height:14pt;font-weight:bold;color:#33058D;font-size:12pt;">SCHEDULE 14A<font style="font-weight:normal;"> </font></div>
<div style="margin-top:8pt; text-align:center; width:456pt; line-height:11pt;">Proxy Statement Pursuant to Section&#160;14(a) of <br/>the Securities Exchange Act of 1934<font style="font-family:Times New Roman, Times, serif ;letter-spacing:0.18pt;"> </font></div>
</div>

它包含1个DIV（父DIV）和3个子DIV.soup.find_all('div')返回4项：1个带有子级的父级DIV和主DIV中的每个子级DIV.

我希望它只拉出父DIV.

<代码>DIVS=[]而len（HTML）>；0:汤=美丽的汤（HTML，' lxml '）DIV=soup.find（' DIV '）DIV.append（DIV）长度=len（str（DIV））HTML=HTML[：len（HTML）-length]

我试着创建这个代码，但它非常非常低效，尽管结果正是我想要的。花了很长时间才完成。

顺晟科技：

我不确定我的理解是否正确，但如果您遇到的唯一问题是不确定如何只提取父DIV，则可以使用这个CSS选择器："；DIV：not（DIV>；DIV）"；

这基本上指定了选择不是其他DIV的直接子级的所有DIV.把这个和美丽的汤一起使用，它应该会起到作用。代码如下：

divs = []
while len(html) > 0:
    soup = BeautifulSoup(html, 'lxml')
    div = soup.find('div')
    divs.append(div)
    length = len(str(div))
    html = html[:len(html)-length]