>> soup=BeautifulSoup(htmls, "html.parser-6ren">
个人中心
gpt4 book ai didi

python - Beautifulsoup 如何找到所有工作

转载 作者：行者123 更新时间：2023-11-28 22:34:37 25 4
gpt4 key购买 nike

我注意到 findAll 的方法有一些奇怪的行为:

>>> htmls="<html><body><p class=\"pagination-container\">slytherin</p><p class=\"pagination-container and something\">gryffindor</p></body></html>"
>>> soup=BeautifulSoup(htmls, "html.parser")
>>> for i in soup.findAll("p",{"class":"pagination-container"}):
    print(i.text)


slytherin
gryffindor
>>> for i in soup.findAll("p", {"class":"pag"}):
    print(i.text)


>>> for i in soup.findAll("p",{"class":"pagination-container"}):
    print(i.text)


slytherin
gryffindor
>>> for i in soup.findAll("p",{"class":"pagination"}):
    print(i.text)


>>> len(soup.findAll("p",{"class":"pagination-container"}))
2
>>> len(soup.findAll("p",{"class":"pagination-containe"}))
0
>>> len(soup.findAll("p",{"class":"pagination-contai"}))
0
>>> len(soup.findAll("p",{"class":"pagination-container and something"}))
1
>>> len(soup.findAll("p",{"class":"pagination-conta"}))
0

因此，当我们搜索 pagination-container 时，它会同时返回第一个和第二个 p 标记。这让我觉得它在寻找部分相等:类似于 if passed_string in class_attribute_value:。所以我在 findAll 方法中缩短了字符串，但它从未设法找到任何东西!

这怎么可能？

最佳答案

首先，class是一个特殊的multi-valued space-delimited attribute并有特殊处理。

当您编写 soup.findAll("p", {"class":"pag"}) 时，BeautifulSoup 将搜索具有类 pag 的元素。它会按空格拆分元素类值，并检查拆分的项目之间是否有 pag。如果您有一个带有 class="test pag" 或 class="pag" 的元素，它将被匹配。

请注意，在 soup.findAll("p", {"class": "pagination-container and something"}) 的情况下，BeautifulSoup 将匹配一个元素具有准确的 class 属性值。在这种情况下不涉及拆分 - 它只是看到有一个元素，其中完整的 class 值等于所需的字符串。

要对其中一个类进行部分匹配，您可以提供 regular expression或 a function作为类过滤器值:

import re

soup.find_all("p", {"class": re.compile(r"pag")})  # contains pag
soup.find_all("p", {"class": re.compile(r"^pag")})  # starts with pag

soup.find_all("p", {"class": lambda class_: class_ and "pag" in class_})  # contains pag
soup.find_all("p", {"class": lambda class_: class_ and class_.startswith("pag")})  # starts with pag

还有很多话要说，但您还应该知道 BeautifulSoup 有 CSS selector支持(有限但涵盖大多数常见用例)。你可以这样写:

soup.select("p.pagination-container")  # one of the classes is "pagination-container"
soup.select("p[class='pagination-container']")  # match the COMPLETE class attribute value
soup.select("p[class^=pag]")  # COMPLETE class attribute value starts with pag

处理 BeautifulSoup 中的 class 属性值是混淆和问题的常见来源，请参阅这些相关主题以获得更多理解:

关于python - Beautifulsoup 如何找到所有工作，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38840221/

25 4 0
文章推荐： python - 使用列表理解在 Python 2.7 中使用多个 with 语句
文章推荐： tomcat - 请求 j_security_check 仅使用正确的参数返回 408 错误
文章推荐： java - 将使用 1.6.0.24 编译的 War 部署到 1.6.0.22 时出现问题
文章推荐： python - pyplot : how to explicitly number an axis in a human-readable way
行者123
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com