python - 通过样式定位标签——使用 Python 2 和 BeautifulSoup 4

Question

我正在尝试使用 BeautifulSoup 4 从 HTML 文档中的特定标签中提取文本。我的 HTML 有一堆 div 标签，如下所示:

<div style="position:absolute; border: textbox 1px solid; writing-mode:lr-tb; left:42px; top:90px; width:195px; height:24px;">
  <span style="font-family: FIPXQM+Arial-BoldMT; font-size:12px">
    Futures Daily Market Report for Financial Gas
    <br/>
    21-Jul-2015
    <br/>
   </span>
</div>
<div style="position:absolute; border: textbox 1px solid; writing-mode:lr-tb; left:54px; top:135px; width:46px; height:10px;">
  <span style="font-family: FIPXQM+Arial-BoldMT; font-size:10px">
    COMMODITY
    <br/>
   </span>
</div>

我正在尝试从样式为“left:54px”的任何 div 标签中的所有 span 标签获取文本。

如果我使用，我可以获得单个 div:

soup = BeautifulSoup(open(extracted_html_file))
print soup.find_all('div',attrs={"style":"position:absolute; border: textbox 1px solid; "
                                         "writing-mode:lr-tb; left:42px; top:90px; "
                                         "width:195px; height:24px;"})

它返回:

[<div style="position:absolute; border: textbox 1px solid; writing-mode:lr-tb; left:42px; top:90px; width:195px; height:24px;"><span style="font-family: FIPXQM+Arial-BoldMT; font-size:12px">Futures Daily Market Report for Financial Gas
<br/>21-Jul-2015
<br/></span></div>]

但这只会让我得到一个与该样式完全匹配的 div。我想要所有仅匹配“left:54px”样式的 div。

为此，我尝试了几种不同的方法:

soup = BeautifulSoup(open(extracted_html_file))
print soup.find_all('div',style='left:54px')
print soup.find_all('div',attrs={"style":"left:54px"})
print soup.find_all('div',attrs={"left":"54px"})

但是所有这些打印语句都返回空列表。

有什么想法吗？

Answer 1

根据此处的文档，您可以传入正则表达式而不是字符串:http://www.crummy.com/software/BeautifulSoup/bs4/doc/#the-keyword-arguments

所以我会试试这个:

import re

soup = BeautifulSoup(open(extracted_html_file))
soup.find_all('div', style = re.compile('left:54px'))