什么相当于Beautifulsoup的'*' - find_all？

Question

我想从一个页面获取所有<tr class="**colour blue** attr1 attr2">。

attrs每次都不同，其他一些同级<tr>s有colour red，colour pink等类。

所以我要在colour blue class之后找到包含在结果中的任何其他字符。我已尝试使用*，但它不起作用：

soup.find_all('tr', {'class': 'colour blue*'})

谢谢

Answer 1

你可以使用常用的CSS Selectors和漂亮的汤：

>>> soup = BeautifulSoup('''
...     <tr class="colour blue attr1 attr2"></tr>
...     <tr class="colour red attr1 attr2"></tr>
...     <tr class="unwanted attr1 attr2"></tr>
...     <tr class="colour blue attr3"></tr>
...     <tr class="another attr1 attr2"></tr>
... ''')
>>> soup.select('tr.colour.blue')
[<tr class="colour blue attr1 attr2"></tr>, <tr class="colour blue attr3"></tr>]

tr.colours.blue选择器会与tr匹配，只要它具有colours和blue类属性。

Answer 2

使用regex filter：

import re

soup.find_all('tr', class_=re.compile(r'colour blue.+'))

• 在正则表达式中，它使用re.search()来查找字符串。

• .表示匹配除换行符之外的任何字符。

• +表示多次匹配.。