Question

我真的希望能够让Beautiful Soup匹配任何标签列表，就像这样。我知道attr接受正则表达式，但是有什么美丽的汤可以让你这样做吗？

soup.findAll("(a|div)")

输出：

<a> ASDFS
<div> asdfasdf
<a> asdfsdf

我的目标是创建一个可以从网站抓取表格的刮刀。有时标签的名称不一致，我希望能够输入一个标签列表来命名数据＆＃39;表的一部分。

Answer 1

find_all()是Beautiful Soup搜索API中最受青睐的方法。

您可以传递各种过滤器。另外，传递list以查找多个标记：

>>> soup.find_all(['a', 'div'])

示例：

>>> from bs4 import BeautifulSoup >>> soup = BeautifulSoup('<html><body><div>asdfasdf</div><p><a>foo</a></p></body></html>') >>> soup.find_all(['a', 'div']) [<div>asdfasdf</div>, <a>foo</a>]

或者您可以使用regular expression查找包含a或div的代码：

>>> import re >>> soup.find_all(re.compile("(a|div)"))

Answer 2

请注意，您还可以使用正则表达式搜索标记属性中的。例如：

import re
from bs4 import BeautifulSoup

soup.find_all('a', {'href': re.compile(r'crummy\.com/')})

此示例查找链接到包含子字符串<a>的网站的所有'crummy.com'标记。

（我知道这是一篇非常古老的帖子，但希望有人会发现这些附加信息很有用。）

Answer 3

是的，请参阅文档...

http://www.crummy.com/software/BeautifulSoup/bs3/documentation.html

import re

soup.findAll(re.compile("^a$|(div)"))

美丽的汤使用正则表达式来查找标签？

3 个答案: