在BeautifulSoup中匹配id

Question

我正在使用BeautifulSoup - python模块。我必须找到任何对id的引用，例如：'post-＃'。 例如：

<div id="post-45">...</div>
<div id="post-334">...</div>

我该如何过滤？

html = '<div id="post-45">...</div> <div id="post-334">...</div>'
soupHandler = BeautifulSoup(html)
print soupHandler.findAll('div', id='post-*')
> []

Answer 1

您可以将功能传递给findAll：

>>> print soupHandler.findAll('div', id=lambda x: x and x.startswith('post-'))
[<div id="post-45">...</div>, <div id="post-334">...</div>]

或正则表达式：

>>> print soupHandler.findAll('div', id=re.compile('^post-'))
[<div id="post-45">...</div>, <div id="post-334">...</div>]

Answer 2

因为他要求匹配“post-＃somenumber＃”，所以最好精确地使用

import re
[...]
soupHandler.findAll('div', id=re.compile("^post-\d+"))

Answer 3

soupHandler.findAll('div', id=re.compile("^post-$"))

看起来对我来说。

Answer 4

这对我有用：

from bs4 import BeautifulSoup
import re

html = '<div id="post-45">...</div> <div id="post-334">...</div>'
soupHandler = BeautifulSoup(html)

for match in soupHandler.find_all('div', id=re.compile("post-")):
    print match.get('id')

>>> 
post-45
post-334