Question

我正在使用此代码浏览p标签列表，该列表比在我的示例中包含1个或多个span标签的列表长得多。我知道列表中的span标签都具有font-style属性。我一直试图找出我正在查看的font-style属性的特定span标签是否具有斜体值。有没有办法获取font-style属性的值，或者如果字体样式为斜体，则返回布尔值？

content = "<p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">a</span>
           </p>,
           <p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: italic; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">b</span>
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">c</span>
           </p>,
           <p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>
               <span style="color: rgb(0, 0, 0); font-style: italic; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">e</span>
           </p>"
soup = BeautifulSoup(test, 'html.parser')

page = {}
ital = []
i = 1
p = 1
for par in soup:
    page[i] = {}
    for x in par.find_all('span'):
        if x['font-style'] == 'italic':  #stuck here trying to figure out if font-style value is italic or not
            ital.append(p)
        par = 'par_{}'.format(p)
        page[i].update({par:x.next})
        p += 1
    page[i].update({'ital':ital})
    ital = []
    i += 1
    p = 1

更新：

我的目标是在span标签之间按page的顺序获取所有内容，并知道内容的哪一部分是斜体的。

运行此页面后应如下图所示

print(page)

{
    1: {'ital': [],
        'par_1':'a'},
    2: {'ital': [1],
        'par_1':'b',
        'par_2':'c'},
    3: {'ital': [2],
        'par_1':'d',
        'par_2':'e'}
}

当前此代码正在打印

print(page)

{
    1: {'ital': [],
        'par_1':'a'},
    2: {'ital': [],
        'par_1':'b',
        'par_2':'c'},
    3: {'ital': [],
        'par_1':'d',
        'par_2':'e'}
}

Answer 1

是的，您可以在BeautifulSoup的find_all()函数中使用lambda。本示例将查找样式属性中所有带有' italize '的span标签：

from bs4 import BeautifulSoup

content = '''"<p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">a</span>
           </p>,
           <p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: italize; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">b</span>
           </p>,
           <p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">c</span>
               <span style="color: rgb(0, 0, 0); font-style: italize; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>
           </p>"'''

soup = BeautifulSoup(content, 'lxml')

for span in soup.find_all('span', style=lambda s: 'italize' in s):
    print(span)

打印：

<span style="color: rgb(0, 0, 0); font-style: italize; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>
<span style="color: rgb(0, 0, 0); font-style: italize; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>

Answer 2

span标记中的所有内容都是一个属性，该属性的名称是style。其他所有内容都是样式中的一个字符串。无法获得字体样式属性的值，因为它不是属性。if 'font-style: italic' in x['style']:是检查字体样式是否为斜体的方法。 x['style']以字符串形式返回样式属性的值。然后，它仅检查'font-style: italic'返回的字符串中是否存在x['style']。

如何使用Beautifulsoup从HTML标记获取单个属性的值？

2 个答案: