在 BeautifulSoup 中查找具有特定条件的 id

Question

我正在用 Python 中的 BeautifulSoup 抓取一个网站

我想找到所有a href 和id 以“des”开头（尾部有空格）+ '3-4 个字母'

我刚试过：

bsObj.findAll("a",{"id":"des "})

但它没有找到我最初想要的。

我需要使用正则表达式吗？

感谢您的所有帮助。谢谢。

<div>
    <a id="des 6TN" href="/en-kr/shop/men/11-by-boris-bidjan-saberi?lvrid=_gm_d6tn">
        11 BY BORIS BIDJAN SABERI
    </a>
    <br/>
    <a id="des R6L" href="/en-kr/shop/men/11-eleven?lvrid=_gm_dr6l">
        11 ELEVEN
    </a>
    <br/>
</div>

Answer 1

如果你走 regex 路线，你可以像这样将编译的正则表达式模式传递给id 参数（添加一个不相关/不匹配的a 标记用于演示目的）：

from bs4 import BeautifulSoup
import re
​
soup = BeautifulSoup("""<div><a id="des 6TN" href="/en-kr/shop/men/11-by-boris-bidjan-saberi?
lvrid=_gm_d6tn">11 BY BORIS BIDJAN SABERI</a><br /><a id="des R6L" href="/en-
kr/shop/men/11-eleven?lvrid=_gm_dr6l">11 ELEVEN</a><a id="ds R6L" href="/en-
kr/shop/men/11-eleven?lvrid=_gm_dr6l">11 ELEVEN</a><br />""")

soup.find_all('a', id=re.compile('^des \w{3,4}$'))

#[<a href="/en-kr/shop/men/11-by-boris-bidjan-saberi?
# lvrid=_gm_d6tn" id="des 6TN">11 BY BORIS BIDJAN SABERI</a>, <a href="/en-
# kr/shop/men/11-eleven?lvrid=_gm_dr6l" id="des R6L">11 ELEVEN</a>]

Answer 2

这是另一种方式（不使用正则表达式）我不喜欢不需要它们的正则表达式。

all_des = soup.findAll('a')
#list of every <a> tag

for i in all_des: #loops through all
    if i.has_attr('id') and i['id'].startswith('des'): 
# check if there is an id within the <a> and if the id starts with des.
        print(i)

输出：

<a href="/en-kr/shop/men/11-by-boris-bidjan-saberi?lvrid=_gm_d6tn" id="des 6TN">
        11 BY BORIS BIDJAN SABERI
    </a>
<a href="/en-kr/shop/men/11-eleven?lvrid=_gm_dr6l" id="des R6L">
        11 ELEVEN
    </a>

希望这能回答你的问题，上面的“@Psidom”方法对你来说可能更方便，但我非常有信心 python 的内置方法比使用正则表达式更快。其中正则表达式'^des \w{3,4}$':

**^** asserts position at start of the string des matches the characters des literally (case sensitive)

**\w{3,4}** matches any word character (equal to [a-zA-Z0-9_])

**{3,4}** Quantifier — Matches between 3 and 4 times, as many times as possible, giving back as needed (greedy)

**$** asserts position at the end of the string