欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python的爬蟲包Beautiful Soup中用正則表達式來搜索

 更新時間：2016年01月20日 11:34:02   作者：crifan  
這篇文章主要介紹了Python的爬蟲包Beautiful Soup中用正則表達式來搜索的技巧,包括使用正則表達式去搜索多種可能的關(guān)鍵字以及查找屬性值未知的標簽等,需要的朋友可以參考下

Beautiful Soup使用時，一般可以通過指定對應(yīng)的name和attrs去搜索，特定的名字和屬性，以找到所需要的部分的html代碼。

但是，有時候，會遇到，對于要處理的內(nèi)容中，其name或attr的值，有多種可能，尤其是符合某一規(guī)律，此時，就無法寫成固定的值了。

所以，就可以借助正則表達式來解決此問題。
比如，

<div class="icon_col">
    <h1 class="h1user">crifan</h1>
</div>

對應(yīng)的BeautifulSoup代碼如下：

h1userSoup = soup.find(name="h1", attrs={"class":"h1user"});

而如果html是這種：

<div class="icon_col">
    <h1 class="h1user">crifan</h1>
    <h1 class="h1user test1">crifan 123</h1>
    <h1 class="h1user test2">crifan 456</h1>
</div>

那么想要一次性地找到所有的，符合條件的h1的部分的代碼，則之前的寫法，就只能找到單個的class="h1user"的部分，剩下的兩個

class="h1user test1"

和

class="h1user test2"

就找不到了。

那么，此時，就可以用到，BeautifulSoup中非常好用的，非常強大的功能：

attrs中支持正則表達式的寫法

了。

就可以寫成：

h1userSoupList = soup.findAll(name="h1", attrs={"class":re.compile(r"h1user(\s\w+)?")});

就可以一次性地，找到：

class="h1user"

class="h1user test1"

class="h1user test2"

了。

<div aria-lable="xxx">
之類的標簽，xxx的內(nèi)容未知（可變）的前提下

想要查找到對應(yīng)的此div標簽，之前不知道如何實現(xiàn)。
如果寫成：

sopu.findAll("div", attrs={"aria-lable": "xxx"});

則xxx必須寫出來，如果不寫出來屬性值，也就沒法用上attrs了，就沒法實現(xiàn)此處查找特性屬性值的標簽了。
所以針對：

<div aria-label="5星, 747 份評分" class="rating" role="img" tabindex="-1">
 <div>
 <span class="rating-star">
 </span>
 <span class="rating-star">
 </span>
 <span class="rating-star">
 </span>
 <span class="rating-star">
 </span>
 <span class="rating-star">
 </span>
 </div>
 <span class="rating-count">
 747 份評分
 </span>
</div>

可以通過：

soup.findAll("div", attrs={"aria-lable": True});

去查找到屬性包含aria-lable的div標簽的。

所以，對于上面的，之前不知道如何處理：

用BeautifulSoup查找未知屬性值，但是已知屬性的名字的標簽

則此處，就可以針對：

<div aria-lable="xxx">

去用：

sopu.findAll("div", attrs={"aria-lable": True});

就可以查找到對應(yīng)的包含屬性aria-lable的div標簽了。

相關(guān)文章

最新評論