我正在尝试在 div 中提取前面带有哈希标记的名称。
<div class="h_names">#jason, #michael, #sam, etc...</div>
所以我的结果将是jason、michael、sam 等的列表。
我不确定如何使用 BeautifulSoup 做到这一点。
import bs4
soup = bs4.BeautifulSoup(html)
div = soup.find('div', {'class' : 'h_names'})
这会找到 div，但我需要一个正则表达式来提取名称
【问题讨论】：
标签： python regex beautifulsoup
这不使用正则表达式，但我认为您不需要使用正则表达式，也不需要导入任何新内容，因为 BeautifulSoup 为您提供了从 html 中提取文本的内置方法。
如果 div 是：
'<div class="h_names">#jason, #michael, #sam</div>' # without the etc.. bit
那么：
div = soup.find('div', {'class' : 'h_names'})
names = [str(name.strip()[1:]) for name in div.text.split(',')]
输出：
>>> print names
['jason', 'michael', 'sam']
names 是使用 list comprehension 创建的。
列表理解中的字符串转换（使用str()）是
必要的，因为 div(div.text) 上的 text 方法返回 unicode 字符串（如：u'jason'）
[1:]的字符串切片用于切掉每个字符串的第一个字符（本例中为'#'）
字符串的strip 方法(str.strip()) 简单地切断任何前导或尾随空格以及换行符(\n)
【讨论】：
您可以使用re.findall() 来匹配div 元素内的条件。
import bs4
import re
soup = bs4.BeautifulSoup(html)
div = soup.find('div', {'class' : 'h_names'})
names = re.findall(r'#([a-zA-Z]+)', str(div.text))
输出
['jason', 'michael', 'sam']
【讨论】：