如何使用 Beautifulsoup 从 HTML 标签中获取单个属性的值？答案

【问题标题】：How to get the value of a single attribute from a HTML tag using Beautifulsoup?如何使用 Beautifulsoup 从 HTML 标签中获取单个属性的值？
【发布时间】：2018-07-17 05:58:46
【问题描述】：

我正在使用此代码查看一个 p 标签列表，该列表比我的示例中包含 1 个或多个 span 标签的要长得多。我知道列表中的 span 标签也有 font-style 属性。我一直试图弄清楚我正在查看的字体样式属性的特定跨度标记是否具有斜体值。如果字体样式是斜体，有没有办法获取字体样式属性的值或返回布尔值？

content = "<p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">a</span>
           </p>,
           <p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: italic; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">b</span>
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">c</span>
           </p>,
           <p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>
               <span style="color: rgb(0, 0, 0); font-style: italic; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">e</span>
           </p>"
soup = BeautifulSoup(test, 'html.parser')

page = {}
ital = []
i = 1
p = 1
for par in soup:
    page[i] = {}
    for x in par.find_all('span'):
        if x['font-style'] == 'italic':  #stuck here trying to figure out if font-style value is italic or not
            ital.append(p)
        par = 'par_{}'.format(p)
        page[i].update({par:x.next})
        p += 1
    page[i].update({'ital':ital})
    ital = []
    i += 1
    p = 1

更新：

我的目标是在page 上按顺序获取 span 标签之间的所有内容，并知道内容的哪一部分是斜体。

运行后这个页面应该是这样的

print(page)

{
    1: {'ital': [],
        'par_1':'a'},
    2: {'ital': [1],
        'par_1':'b',
        'par_2':'c'},
    3: {'ital': [2],
        'par_1':'d',
        'par_2':'e'}
}

当前此代码打印

print(page)

{
    1: {'ital': [],
        'par_1':'a'},
    2: {'ital': [],
        'par_1':'b',
        'par_2':'c'},
    3: {'ital': [],
        'par_1':'d',
        'par_2':'e'}
}

【问题讨论】：

风格真的是italize吗？因为这既不是标准的 CSS 字体样式，也不是英文单词。
不，当我进入票证并且没有拼写检查时，我压力太大了。我会解决的

标签： python html python-3.x beautifulsoup python-requests

【解决方案1】：

是的，您可以在 BeautifulSoup 的 find_all() 函数中使用 lambda。此示例将查找样式属性中所有带有“italize”的span 标签：

from bs4 import BeautifulSoup

content = '''"<p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">a</span>
           </p>,
           <p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: italize; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">b</span>
           </p>,
           <p dir="ltr">
               <span style="color: rgb(0, 0, 0); font-style: normal; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">c</span>
               <span style="color: rgb(0, 0, 0); font-style: italize; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>
           </p>"'''

soup = BeautifulSoup(content, 'lxml')

for span in soup.find_all('span', style=lambda s: 'italize' in s):
    print(span)

打印：

<span style="color: rgb(0, 0, 0); font-style: italize; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>
<span style="color: rgb(0, 0, 0); font-style: italize; background-color: transparent; font-weight: 400; font-variant: normal; text-decoration: none; vertical-align: baseline; white-space: pre-wrap">d</span>

【讨论】：

Find_all 使用 font-style: italize 从列表中提取 span 标签。我试图保持跨度标签的顺序，因为我想要每个跨度标签之间的内容。有没有办法检查当前 span 标签的字体样式是否为 italize 并返回 true 或 false？

【解决方案2】：

span 标签中的所有内容都是一个属性，该属性的名称是样式。其他一切都是风格中的字符串。无法获取 font-style 属性的值，因为它不是属性。if 'font-style: italic' in x['style']: 是您检查字体样式是否为斜体的方式。 x['style'] 将样式属性的值作为字符串返回。然后它只是检查'font-style: italic' 是否存在于x['style'] 返回的字符串中。

【讨论】：