Beautiful soup 中的正则表达式不起作用答案

【问题标题】：Regular expressions in Beautiful soup don't workBeautiful soup 中的正则表达式不起作用
【发布时间】：2015-09-04 20:00:25
【问题描述】：

我正在寻找一个标签。这个标签的类包含这个子字符串：borderbox flightbox p2。

例如：<div class="borderbox flightbox p2 my-repeat-animation ng-scope"...

所以我想这应该可行：

soup.find_all('div',class_=re.compile(r"borderbox flightbox p2"+".*"))

但它找不到任何东西。你有什么建议吗？

【问题讨论】：

标签： python html regex beautifulsoup

【解决方案1】：

这应该做你想做的：

def match_tag(tag, classes):
    return (tag.name == 'div'
            and 'class' in tag.attrs
            and all([c in tag['class'] for c in classes]))

divs = soup.find_all(lambda t: match_tag(t, ['borderbox', 'flightbox', 'p2'))

在 BeautifulSoup 4 中，传递给 class_ 参数的正则表达式分别应用于每个 CSS 类。 BeautifulSoup 正在检查您的 div 持有的每个单独的 CSS 类，以查看它是否与您提供的正则表达式匹配。将其放入代码中，它正在执行以下操作：

for class in div['class']:
    if regexp.search(class): yield div

当然，您所拥有的任何个人课程都不会与您的正则表达式相匹配；在'borderbox'、'flightbox' 或'p2' 中找不到'borderbox flightbox p2'。

解决方法是利用 BeautifulSoup 的取函数能力为你做匹配。 match_tag 检查 (1) 标签是 div 和 (2) 标签具有由参数 classes 指定的每个 CSS 类。

【讨论】：

【解决方案2】：

BeautifulSoup 相当于 re.search()，而不是 re.match()

试试

soup.find_all('div', class_=re.compile('borderbox flightbox p2 \d+'))

【讨论】：