Question

在BeautifulSoup中将CSS选择器与轴组合器一起使用时，我有些困惑。以下是说明我的意思的简单代码：

from bs4 import BeautifulSoup as bs
import requests

response = requests.get('https://stackoverflow.com/questions/tagged/python')
soup = bs(response.text)

print(len(soup.select('#mainbar > div')))

返回6个孩子...但是

print(len(soup.select('#mainbar>div')))

返回0个孩子...

与'#mainbar ~ div'（发现1个兄弟姐妹）和#mainbar~div'（没有发现任何东西）相同

在documentation中，这些空格是可选的，但实际上，对于相同的选择器，我使用BeautifulSoup获得了不同的输出（我认为）

是bs4错误还是此行为取决于CSS版本或其他？

Answer 1

已确认是这里的错误：https://bugs.launchpad.net/beautifulsoup/+bug/1717851

从CSS角度来看，选择器可以使用/不使用。

我会看看是否能找到进一步的证据。

报告错误的个人指出：

据我所见，问题在于，由于代码仅在执行 shlex.split，不会将div，>和span视为单独的对象实体是>两侧的空白。

Answer 2

如果要对其进行修补，请参见bs4/element.py第1440行替换

tokens = shlex.split(selector)

使用

selector = re.sub(r'\s*([+>~])\s*', r' \1 ', selector)
tokens = shlex.split(selector)

演示：

<script type="text/javascript" src="//cdn.datacamp.com/dcl-react.js.gz"></script>

<div data-datacamp-exercise data-lang="python">
  <code data-type="sample-code">
    import re, shlex

    def testSelect(selector):
        selector = re.sub(r'\s*([+>~])\s*', r' \1 ', selector)
        tokens = shlex.split(selector)
        print(tokens)

    testSelect('#mainbar > div ~ p') # default
    testSelect('#mainbar>div~p')
    testSelect('#mainbar    >div+     p')
    testSelect('#mainbar.classA')
    testSelect('#mainbar p')
  </code>
</div>

CSS组合器周围的空格是否真的是可选的

2 个答案: