使用Beautiful Soup获取网站的特定部分4

Question

我找到了使用Beautiful Soup 4找东西的基础知识。但是现在我遇到了一个特定的问题。我想从以下代码的数据中删除“2DKT94P”：

<div class="js-object   listitem_wrap " data-estateid="45784882" data-oid="2DKT94P">
<div class="listitem relative js-listitem ">

关于我如何做到这一点的任何指示？我还要感谢一个高级教程的指针，它涵盖了这个，和/或我可以在官方文档中找到这个的链接，因为我没有认出正确的部分......

提前致谢！

Answer 1

如果您的数据格式良好，您可以通过以下方式执行此操作：

from bs4 import BeautifulSoup

example = """
<div class="js-object   listitem_wrap " data-estateid="45784882" data-
oid="2DKT94P">
<div class="listitem relative js-listitem ">2DKT94P DIV</div>
</div>
<div>other div</div>"""

soup = BeautifulSoup(example, "html.parser")
RandomDIV = soup.find(attrs= {"data-oid":"2DKT94P"})
print (RandomDIV.get_text().strip())

输出：

  

2DKT94P DIV

使用属性here查找有关find或find_all的更多信息。

或通过select：

RandomDIV = soup.select("div[data-oid='2DKT94P']")
print (RandomDIV[0].get_text().strip())

详细了解select。

修改

完全误解了这个问题。如果您只想搜索data-oid，可以这样做：

soup = BeautifulSoup(example, "html.parser")
RandomDIV = soup.find_all(lambda tag: [t for t in tag.attrs if 
t  == 'data-oid'])
for div in RandomDIV:
    #data-oid
    print(div["data-oid"])
    #text
    print (div.text.strip())

了解详情here。

Answer 2

您应该使用class属性找到div标记，然后获取它的data-oid属性

div = soup.find("div", class_="js-object")

oid = div['data-oid']