带有 Beautifulsoup 4 的 Python RegEx 不起作用答案

【问题标题】：Python RegEx with Beautifulsoup 4 not working带有 Beautifulsoup 4 的 Python RegEx 不起作用
【发布时间】：2015-11-06 20:51:04
【问题描述】：

我想查找所有div 名称中具有特定模式的class 标记，但我的代码无法正常工作。

这是代码sn-p

soup = BeautifulSoup(html_doc, 'html.parser')

all_findings = soup.findAll('div',attrs={'class':re.compile(r'common text .*')})

其中html_doc是带有以下html的字符串

<div class="common text sighting_4619012">

  <div class="hide-c">
    <div class="icon location"></div>
    <p class="reason"></p>
    <p class="small">These will not appear</p>
    <span class="button secondary ">wait</span>
  </div>

  <div class="show-c">
  </div>

</div>

但all_findings 显示为空列表，而它本应找到一项。

在完全匹配的情况下有效

all_findings = soup.findAll('div',attrs={'class':re.compile(r'hide-c')})

我正在使用bs4。

【问题讨论】：

看看this SO post。有帮助吗？如果它回答了您的问题，那么您的问题就是重复的。因此，bs4 将common text sighting_4619012 视为commontextsighting_4619012 的数组。正则表达式分别应用于它们中的每一个。
我找到了那个帖子并尝试过。它没有用。
啊，我想我明白你的意思了。你提到的那篇文章没有提到Regex is applied to each of them separately，所以我无法弄清楚。但是，如果我们想根据列表的 2 项找到匹配项（使用正则表达式）怎么办。前 - "text", "sighting_4619012" Double Ah，我想我已经用 @alecxe 的回答解决了我的疑问。
HTML 4 defines a few attributes that can have multiple values. HTML 5 removes a couple of them, but defines a few more. The most common multi-valued attribute is class (that is, a tag can have more than one CSS class). Others include rel, rev, accept-charset, headers, and accesskey. Beautiful Soup presents the value(s) of a multi-valued attribute as a list.
在这里也复制我的评论 - 我今天遇到了一个问题，它匹配只有“common”作为值的类。如何使每个匹配都满足？

标签： python regex python-3.x beautifulsoup

【解决方案1】：

不要使用正则表达式，而是将您要查找的类放在一个列表中：

all_findings = soup.findAll('div',attrs={'class':['common', 'text']})

示例代码：

from bs4 import BeautifulSoup

html_doc = """<div class="common text sighting_4619012">

  <div class="hide-c">
    <div class="icon location"></div>
    <p class="reason"></p>
    <p class="small">These will not appear</p>
    <span class="button secondary ">wait</span>
  </div>

  <div class="show-c">
  </div>

</div>"""
soup = BeautifulSoup(html_doc, 'html.parser')
all_findings = soup.findAll('div',attrs={'class':['common', 'text']})
print all_findings

这个输出：

[<div class="common text sighting_4619012">
<div class="hide-c">
<div class="icon location"></div>
<p class="reason"></p>
<p class="small">These will not appear</p>
<span class="button secondary ">wait</span>
</div>
<div class="show-c">
</div>
</div>]

【讨论】：

嗯，这可能在这里工作，但稍后我确信在不久的将来我将不得不处理只能使用 RegEx 轻松处理的场景。 Ex- "common text sighting_46....." , to find all tags starting with 46 in the example and followed by, lets say 5 numbers.

【解决方案2】：

要扩展@Andy 的答案，您可以列出类名和编译的正则表达式：

soup.find_all('div', {'class': ["common", "text", re.compile(r'sighting_\d{5}')]})

请注意，在这种情况下，您将获得具有指定类/模式之一的 div 元素 - 换句话说，它是 common 或 text 或 sighting_ 后跟五位数字。

如果您想让它们与“and”连接，一种选择是通过将文档解析为“xml”来关闭对“class”属性的特殊处理：

soup = BeautifulSoup(html_doc, 'xml')
all_findings = soup.find_all('div', class_=re.compile(r'common text sighting_\d{5}'))
print all_findings

【讨论】：

现在我知道我实际上是在寻找将 RegEx 应用于标签属性的每个值。对于完全匹配的示例，我无法弄清楚如何处理多个正则表达式案例。
我今天遇到了一个问题，它匹配只有"common" 作为值的类。如何使每个匹配都满足？
@Shivendra 我已经用一个选项更新了答案。问题是，如果您将其解析为 HTML，您会将 class 视为多值属性..
可以做到，但我使用了一个不太优雅的解决方法。在for loop 中，我分别检查每个正则表达式，并选择通过所有检查的元素。最初，我将候选人列入候选名单，以通过您之前提供的单行词soup.find_all('div', {'class': ["common", "text", re.compile(r'sighting_\d{5}')]}) 进一步检查。 ;)