Question

我将多个类值传递给l4 center。该值类似于l5 center OR "l4 center" | "l5 center"。（即soup.find_all("ul", {"class" : value)）。

soup.find_all("ul", {"class" :  re.compile("l[4-5]\scenter")})

#OR

soup.find_all("ul", {"class" :  ["l4 center", "l5 center"]})

我使用以下两个解决方案失败（无输出）：

#!/usr/bin/env python3

from bs4 import BeautifulSoup
import bs4
import requests
import requests.exceptions
import re

### function, , .... ###
def crawler_chinese_idiom():
    url = 'http://chengyu.911cha.com/zishu_8.html'
    response = requests.get(url)    
    soup = BeautifulSoup(response.text)

    #for result_set in soup.find_all("ul", class=re.compile("l[45] +center")): #l4 center or l5 center
    for result_set in soup.find_all("ul", {"class", re.compile(r"l[45]\s+center")}): #nothing output
    #for result_set in soup.find_all("ul", {"class" :  "l4 center"}):  #normal one
        print(result_set)


crawler_chinese_idiom()
#[] output nothing

源代码如下：

{{1}}

Answer 1

更新：已解决https://bugs.launchpad.net/bugs/1476868

起初我认为问题是HTML中的class='l4 center'实际上是两个类 - 认为汤不匹配，因为它正在寻找一个包含空格的类（不可能）。

尝试：

from bs4 import BeautifulSoup
import re
soup = BeautifulSoup("<html><div class='l5 center'>l5test</div><div class='l4 center'>l4test</div><div class='l6 center'>l6test</div>")

results1 = soup.findAll('div', re.compile(r'l4 center'));
print results1
results2 = soup.findAll('div', 'l4 center');
print results2

输出：

[]
[<div class="l4 center">l4test</div>]

但等等？非正则表达式选项工作正常 - 它找到了两个类。

此时，它看起来像是一个BeautifulSoup错误。

要解决它，你可以这样做：

soup.findAll('div', ['l4 center', 'l5 center']);
# update: ^ that doesn't work either.
# or
soup.findAll('div', ['l4', 'l5', 'center']);

我建议您使用第二个，以防您想要匹配l4 otherclass center，但您可能需要迭代结果以确保您没有任何不需要的捕获。类似的东西：

for result in soup.findAll(...):
    if (result.find({'class': 'l4'}) and result.find({'class': 'center'}):
         # yay!

我已提交错误here进行调查。

将正则表达式传递给＆＃39; BeautifulSoup.find_all＆＃39;不起作用

1 个答案: