BeautifulSoup - 如何单独查找特定的类名答案

【问题标题】：BeautifulSoup - How to find a specific class name aloneBeautifulSoup - 如何单独查找特定的类名
【发布时间】：2018-03-05 19:39:44
【问题描述】：

如何找到具有特定类名的li 标签而不是其他标签？例如：

...
<li> no wanted </li>
<li class="a"> not his one </li>
<li class="a z"> neither this one </li>
<li class="b z"> neither this one </li>
<li class="c z"> neither this one </li>
...
<li class="z"> I WANT THIS ONLY ONE</li>
...

代码：

bs4.find_all ('li', class_='z') 返回多个条目，其中有一个 "z" 和另一个类名。

如何单独找到类名"z"的条目？

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

您可以使用CSS selectors 来匹配确切的类名。

html = '''<li> no wanted </li>
<li class="a"> not his one </li>
<li class="a z"> neither this one </li>
<li class="b z"> neither this one </li>
<li class="c z"> neither this one </li>
<li class="z"> I WANT THIS ONLY ONE</li>'''

soup = BeautifulSoup(html, 'lxml')

tags = soup.select('li[class="z"]')
print(tags)

使用lambda可以达到同样的效果：

tags = soup.find_all(lambda tag: tag.name == 'li' and tag.get('class') == ['z'])

输出：

[<li class="z"> I WANT THIS ONLY ONE</li>]

看看Multi-valued attributes。你会明白为什么class_='z' 匹配所有类名中包含z 的标签。

HTML 4 定义了一些可以有多个值的属性。 HTML 5 删除了其中一些，但定义了更多。最常见的多值属性是class（即一个标签可以有多个 CSS 类）。其他包括rel、rev、accept-charset、headers 和accesskey。 Beautiful Soup 将多值属性的值呈现为列表：
css_soup = BeautifulSoup('<p class="body"></p>')
css_soup.p['class']
# ["body"]

css_soup = BeautifulSoup('<p class="body strikeout"></p>')
css_soup.p['class']
# ["body", "strikeout"]

【讨论】：

【解决方案2】：

你可以这样做：

data = soup.find_all('li',{'class':'z'})
print(data)

如果你只想获取文本：

for a in data:
   print(a.text)

【讨论】：

【解决方案3】：

可能带有过滤功能，如doc

def is_only_z(css_class):
    return css_class is not None and css_class == 'z'

bs4.find_all('li',class_=is_only_z)

【讨论】：