Question

使用Beautiful Soup模块，如何获取类名为div的{{1}}标记的数据？是吗：

feeditemcontent cxfeeditemcontent

或：

soup.class['feeditemcontent cxfeeditemcontent']

这是HTML源代码：

soup.find_all('class')

这是Python代码：

<div class="feeditemcontent cxfeeditemcontent">
    <div class="feeditembodyandfooter">
         <div class="feeditembody">
         <span>The actual data is some where here</span>
         </div>
     </div>
 </div>

Answer 1

Beautiful Soup 4将“class”属性的值视为列表而不是字符串，这意味着jadkik94的解决方案可以简化：

from bs4 import BeautifulSoup                                                   

def match_class(target):                                                        
    def do_match(tag):                                                          
        classes = tag.get('class', [])                                          
        return all(c in classes for c in target)                                
    return do_match                                                             

soup = BeautifulSoup(html)                                                      
print soup.find_all(match_class(["feeditemcontent", "cxfeeditemcontent"]))

Answer 2

尝试这个，也许这对于这个简单的事情来说太过分了，但它确实有效：

def match_class(target):
    target = target.split()
    def do_match(tag):
        try:
            classes = dict(tag.attrs)["class"]
        except KeyError:
            classes = ""
        classes = classes.split()
        return all(c in classes for c in target)
    return do_match

html = """<div class="feeditemcontent cxfeeditemcontent">
<div class="feeditembodyandfooter">
<div class="feeditembody">
<span>The actual data is some where here</span>
</div>
</div>
</div>"""

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup(html)

matches = soup.findAll(match_class("feeditemcontent cxfeeditemcontent"))
for m in matches:
    print m
    print "-"*10

matches = soup.findAll(match_class("feeditembody"))
for m in matches:
    print m
    print "-"*10

Answer 3

soup.findAll("div", class_="feeditemcontent cxfeeditemcontent")

所以，如果我想从stackoverflow.com获取类头<div class="header">的所有div标签，那么BeautifulSoup的一个例子就是：

from bs4 import BeautifulSoup as bs
import requests 

url = "http://stackoverflow.com/"
html = requests.get(url).text
soup = bs(html)

tags = soup.findAll("div", class_="header")

已经在bs4 documentation。

Answer 4

soup.find("div", {"class" : "feeditemcontent cxfeeditemcontent"})

Answer 5

from BeautifulSoup import BeautifulSoup 
f = open('a.htm')
soup = BeautifulSoup(f) 
list = soup.findAll('div', attrs={'id':'abc def'})
print list

Answer 6

检查此错误报告：https://bugs.launchpad.net/beautifulsoup/+bug/410304

正如您所看到的，Beautiful soup无法真正理解class="a b"两个类a和b。

但是，正如第一条评论中出现的那样，一个简单的正则表达式就足够了。在你的情况下：

soup = BeautifulSoup(html_doc)
for x in soup.findAll("div",{"class":re.compile(r"\bfeeditemcontent\b")}):
    print "result: ",x

注意：这在最近的测试版中得到修复。我没有浏览最近版本的文档，也许你可以做到这一点。或者，如果您想使用旧版本运行它，可以使用上面的内容。

使用Beautiful Soup按类名获取内容

6 个答案: