Question

让我们考虑一下

<li>this is li</li>
<li class="c1" data="this is data">ineinieni </li>
<li class="c1" >ineinieni </li>
<li data="this is the data1">ineinieni </li>
<li data="this is the data2">ineinieni </li>

这里我只想获得数据属性的值，如下所示

this is data
this is data1
this is data2

所以我尝试使用<li[^>]*?data\s*=\s*"\s*([^>]*?)\s*"[^>]*?>与re.findall进行模式匹配，但这会引发错误。

有没有办法找到使用美丽的汤获取值，我尝试了以下一个，但抛出错误，如'keyerror:data'

for j in contSoup.find_all("li"):
    print j['data']

Answer 1

您可以使用__getitem__对象的bs4方法访问数据：

import re
from bs4 import BeautifulSoup as soup
s = """
<li>this is li</li>
<li class="c1" data="this is data">ineinieni </li>
<li class="c1" >ineinieni </li>
<li data="this is the data1">ineinieni </li>
<li data="this is the data2">ineinieni </li>
"""
s = soup(s, 'lxml')
final_data = [re.sub('the\s', '', i['data']) for i in s.find_all('li') if re.findall('data\=', str(i))]

输出：

['this is data', 'this is data1', 'this is data2']

Answer 2

您可以尝试这种简单的方法：

>>> html = '''<li>this is li</li>
<li class="c1" data="this is data">ineinieni </li>
<li class="c1" >ineinieni </li>
<li data="this is the data1">ineinieni </li>
<li data="this is the data2">ineinieni </li>
'''
>>> soup = BeautifulSoup(html, 'html.parser')
>>> for li in soup.find_all('li', {'data': True}):
        print(li['data'])    

this is data
this is the data1
this is the data2

或者存储它：

>>> data = [x['data'] for x in soup.find_all('li', {'data': True})]
>>> data
['this is data', 'this is the data1', 'this is the data2']

Answer 3

您收到了错误消息，因为您的某些<li>代码没有data属性，这意味着j["data"]是KeyError。

要避免这种情况，请使用可让您过滤掉这些内容的方法进行搜索。 select是一个好方法;它允许您使用紧凑的CSS选择器语法来查找所需的元素。要仅查找具有<li>属性的data代码，请尝试：

for li in contSoup.select("li[data]"):
    print li["data"]

将data=True添加到find_all()作为Keyur显示是另一种方式。

如何查找和存储paritcular属性及其值？

3 个答案: