我使用Beautiful Soup拉出特定的div标签，似乎我无法使用 简单的字符串匹配
该页面有一些
形式的标签<div class="comment form new"...>
我想忽略，还有一些标签以
的形式出现<div class="comment comment-xxxx...">
其中x表示任意长度的整数，椭圆表示由空格分隔的任意数量的其他值（我不关心）。我无法弄明白 正确的正则表达式，特别是因为我从未使用过python的relass。
使用
soup.find_all(class_="comment")
查找以单词comment开头的所有标签。我尝试过使用
soup.find_all(class_=re.compile(r'(comment)( )(comment)'))
soup.find_all(class_=re.compile(r'comment comment.*'))
以及许多其他变体，但我认为我在这里遗漏了一些关于正则表达式或match（）如何工作的明显内容。任何人都可以帮助我吗？
答案 0 :(得分：15)
我想我已经明白了：
>>> [div['class'] for div in soup.find_all('div')]
[['comment', 'form', 'new'], ['comment', 'comment-xxxx...']]
请注意，与BS3中的等效物不同，它不是这样的：
['comment form new', 'comment comment-xxxx...']
这就是你的正则表达式不匹配的原因。
但你可以匹配，例如：
>>> soup.find_all('div', class_=re.compile('comment-'))
[<div class="comment comment-xxxx..."></div>]
请注意，BS相当于re.search，而不是re.match，因此您不需要'comment-.*'。当然，如果您想匹配'comment-12345'但不想匹配'comment-of-another-kind，例如'comment-\d+'。