Question

我无法在python中找到具体的评论，例如。我的主要原因是找到2条具体评论中的所有链接。像解析器一样的东西。我用Beautifulsoup：

尝试了这个

import urllib
over=urlopen("www.gamespot.com").read()
soup = BeautifulSoup(over)
print soup.find("<!--why-->")

但它不起作用。我想我可能不得不使用regex而不是Beautifulsoup。

请帮忙。

实施例：我们有像这样的HTML代码

<!--why-->
www.godaddy.com
<p> nice one</p>
www.wwf.com
<!-- why not-->

编辑：在2条评论之间，可能存在其他内容，例如标签。

我需要存储所有链接。

Answer 1

如果您想要所有评论，可以将findAll与可调用的用户一起使用：

>>> from bs4 import BeautifulSoup, Comment
>>> 
>>> s = """
... <p>header</p>
... <!-- why -->
... www.test1.com
... www.test2.org
... <!-- why not -->
... <p>tail</p>
... """
>>> 
>>> soup = BeautifulSoup(s)
>>> comments = soup.findAll(text = lambda text: isinstance(text, Comment))
>>> 
>>> comments
[u' why ', u' why not ']

一旦你得到它们，你就可以使用常用的技巧来移动：

>>> comments[0].next
u'\nwww.test1.com\nwww.test2.org\n'
>>> comments[0].next.split()
[u'www.test1.com', u'www.test2.org']

根据页面的实际情况，您可能需要稍微调整一下，然后您必须选择所需的评论，但这应该可以帮助您入门。

编辑：

如果你真的只想要看起来像某些特定文字的那些，你可以做类似的事情

>>> comments = soup.findAll(text = lambda text: isinstance(text, Comment) and text.strip() == 'why')
>>> comments
[u' why ']

或者你可以使用列表理解来过滤它们：

>>> [c for c in comments if c.strip().startswith("why")]
[u' why ', u' why not ']

使用python在HTML代码中查找特定注释

1 个答案: