我想获取文档中的所有<script>
标记,然后根据某些属性的存在(或不存在)处理每个标记。
例如,对于每个<script>
标记,如果存在属性for
,则执行某些操作;否则,如果属性bar
存在则执行其他操作。
这是我目前正在做的事情:
outputDoc = BeautifulSoup(''.join(output))
scriptTags = outputDoc.findAll('script', attrs = {'for' : True})
但是这样我使用<script>
属性过滤了所有for
标记...但我丢失了其他标记(没有for
属性的标记)。
答案 0 :(得分:72)
如果我理解得很好,你只需要所有的脚本标签,然后检查它们中的一些属性吗?
scriptTags = outputDoc.findAll('script')
for script in scriptTags:
if script.has_attr('some_attribute'):
do_something()
答案 1 :(得分:26)
供将来参考,has_key已被弃用是beautifulsoup 4.现在你需要使用has_attr
scriptTags = outputDoc.findAll('script')
for script in scriptTags:
if script.has_attr('some_attribute'):
do_something()
答案 2 :(得分:17)
您不需要任何lambda来按属性过滤,您只需要设置src=True
等。:
soup = bs4.BeautifulSoup(html)
# Find all with a specific attribute
tags = soup.find_all(src=True)
tags = soup.select("[src]")
# Find all meta with either name or http-equiv attribute.
soup.select("meta[name],meta[http-equiv]")
# find any tags with any name or source attribute.
soup.select("[name], [src]")
# find first/any script with a src attribute.
tag = soup.find('script', src=True)
tag = soup.select_one("script[src]")
# find all tags with a name attribute beginning with foo
# or any src beginning with /path
soup.select("[name^=foo], [src^=/path]")
# find all tags with a name attribute that contains foo
# or any src containing with whatever
soup.select("[name*=foo], [src*=whatever]")
# find all tags with a name attribute that endwith foo
# or any src that ends with whatever
soup.select("[name$=foo], [src$=whatever]")
你也可以使用re和find / find_all等..:
import re
# starting with
soup.find_all("script", src=re.compile("^whatever"))
# contains
soup.find_all("script", src=re.compile("whatever"))
# ends with
soup.find_all("script", src=re.compile("whatever$"))
答案 3 :(得分:11)
如果您只需要获取带有属性的标签,则可以使用lambda:
soup = bs4.BeautifulSoup(YOUR_CONTENT)
tags = soup.find_all(lambda tag: 'src' in tag.attrs)
OR
tags = soup.find_all(lambda tag: tag.has_attr('src'))
tag = soup.find(lambda tag: tag.name == 'script' and 'src' in tag.attrs)
认为它可能有用。
答案 4 :(得分:0)
通过使用pprint模块,您可以检查元素的内容。
from pprint import pprint
pprint(vars(element))
在bs4元素上使用它将打印类似于此的内容:
{'attrs': {u'class': [u'pie-productname', u'size-3', u'name', u'global-name']},
'can_be_empty_element': False,
'contents': [u'\n\t\t\t\tNESNA\n\t'],
'hidden': False,
'name': u'span',
'namespace': None,
'next_element': u'\n\t\t\t\tNESNA\n\t',
'next_sibling': u'\n',
'parent': <h1 class="pie-compoundheader" itemprop="name">\n<span class="pie-description">Bedside table</span>\n<span class="pie-productname size-3 name global-name">\n\t\t\t\tNESNA\n\t</span>\n</h1>,
'parser_class': <class 'bs4.BeautifulSoup'>,
'prefix': None,
'previous_element': u'\n',
'previous_sibling': u'\n'}
要访问属性 - 比如说类列表 - 请使用以下内容:
class_list = element.attrs.get('class', [])
您可以使用此方法过滤元素:
for script in soup.find_all('script'):
if script.attrs.get('for'):
# ... Has 'for' attr
elif "myClass" in script.attrs.get('class', []):
# ... Has class "myClass"
else:
# ... Do something else
答案 5 :(得分:0)
您可以检查是否存在某个属性
scriptTags = outputDoc.findAll('script', some_attribute=True) for script in scriptTags: do_something()
答案 6 :(得分:0)
一种选择所需内容的简单方法。
outputDoc.select("script[for]")