Question

我已经阅读了大量有关同一问题的关于stackoverflow的文章，但没有人为我工作。

标签我需要选择：

<p class="line">Actors: <a href="somelink">Actor 1</a></p>

该页面中包含p个class="line"标记，因此我尝试通过查找包含字符串＆＃34; Actors：＆＃34;：

data.find('p', attrs={'class':'line'}, text=re.compile(r'^Actors: $'))

这不匹配任何东西。什么是正确的语法？

Answer 1

我认为不能用单个表达式来完成。

import re
from bs4 import BeautifulSoup

s="""
    <p class="line">Actors: <a href="somelink">Actor 1</a></p>
    <p class="line">Other: <a href="somelink">Stunt 0</a></p>
    <p class="line">Actors: <a href="somelink">Actor 3</a></p>
    <p class="role-line">Actors: <a href="somelink">Actor 4</a></p>
"""

soup = BeautifulSoup(s, 'html.parser')

这项工作：

soup.findAll(attrs={'class':'line'})

这也是：

soup.findAll(string=re.compile(r'^Actors'))

但两者合并不起作用，bug或不支持，我不知道：

soup.findAll(attrs={'class':'line'}, string=re.compile(r'^Actors'))

但你有其他选择。

使用set交集：

set([node.parent for node in soup.findAll(string=re.compile(r'^Actors'))]) & 
set(soup.findAll(attrs={'class':'line'}))

结果：

{<p class="line">Actors: <a href="somelink">Actor 3</a></p>,
 <p class="line">Actors: <a href="somelink">Actor 1</a></p>}

使用findParents：

[node.findParents('p', class_='line') for node in \
soup.findAll(string=re.compile(r'^Actors'))]

结果:(需要一些过滤）

[[<p class="line">Actors: <a href="somelink">Actor 1</a></p>],
 [<p class="line">Actors: <a href="somelink">Actor 3</a></p>],
 []]

使用循环和条件：

for p in [node.parent for node in soup.findAll(text=re.compile(r'^Actors'))]:
    if not 'line' in p.attrs['class']:
        continue
    print(p)

结果：

<p class="line">Actors: <a href="somelink">Actor 1</a></p>
<p class="line">Actors: <a href="somelink">Actor 3</a></p>

注意：string是BeautifulSoup 4.4 +

中的新text参数

Answer 2

html = '''<p class="line">Actors: <a href="somelink">Actor 1</a></p>'''
soup = bs4.BeautifulSoup(html, 'lxml')
soup.p.text

出：

'Actors: Actor 1'

p标记有多个文本字段。

soup.find('p', attrs={'class':'line'}, string=None)
soup.find('p', attrs={'class':'line'}, text=None)

出：

<p class="line">Actors: <a href="somelink">Actor 1</a></p>

text/string=None与p标记匹配的原因是：

当我们在text/string中使用find()作为过滤条件时，它会使用p.string来获取p标记的字符串，并且p标记有多个文本字段

如果标签包含多个内容，则不清楚是什么 .string应该引用，所以.string被定义为None

但是你可以先找到文本，然后在文本前面找到元素：

soup.find(text='Actors: ').previous_element

在这种情况下，find()仅包含文本过滤器，它在文本编辑器中的行为类似于find。

Answer 3

我对此也有很多困惑！

soup.findAll('p', {'class': 'line'}, text='Actors: ')

应该归还正确的东西？我相信你也可以替换ID的类吗？

希望有效。在我的考试中做了。

Python / BeautifulSoup - 无法匹配包含特定文字的代码

3 个答案: