Niestety, podczas próby dopasowania wyrażenia regularnego dla wartości atrybutu klasy zawierającej wiele klas, BeautifulSoup
zastosowałby wyrażenie regularne do każdej klasy osobno. Oto istotne tematy dotyczące problemu:
To wszystko dlatego class
is a very special multi-valued attribute i za każdym razem, gdy parsowanie HTML, jednego z drzew budowniczowie BeautifulSoup
„s (w zależności od wybór parsera) wewnętrznie dzieli wartość ciągu klasowego na listę klas (cytat z docstringu HTMLTreeBuilder
):
# The HTML standard defines these attributes as containing a
# space-separated list of values, not a single value. That is,
# class="foo bar" means that the 'class' attribute has two values,
# 'foo' and 'bar', not the single value 'foo bar'. When we
# encounter one of these attributes, we will parse its value into
# a list of values if possible. Upon output, the list will be
# converted back into a string.
Istnieje wiele obejścia, ale tutaj jest hack-owski jeden - mamy zamiar poprosić BeautifulSoup
nie obsługiwać class
jako atrybut wielowartościowym poprzez uczynienie prosty zwyczaj Tree Builder:
import re
from bs4 import BeautifulSoup
from bs4.builder._htmlparser import HTMLParserTreeBuilder
class MyBuilder(HTMLParserTreeBuilder):
def __init__(self):
super(MyBuilder, self).__init__()
# BeautifulSoup, please don't treat "class" specially
self.cdata_list_attributes["*"].remove("class")
bs = """<a class="name-single name692" href="www.example.com"">Example Text</a>"""
bsObj = BeautifulSoup(bs, "html.parser", builder=MyBuilder())
found_elements = bsObj.find_all("a", class_=re.compile(r"^name\-single name\d+$"))
print(found_elements)
W takim przypadku wyrażenie regularne zostanie zastosowane do wartości atrybutu class
jako całości.
Alternatywnie, można po prostu parsowania HTML z xml
funkcje włączone (jeśli ma to zastosowanie):
soup = BeautifulSoup(data, "xml")
Można również użyć CSS selectors i dopasować wszystkie elementy z name-single
klasy oraz klasa z "nazwą":
soup.select("a.name-single,a[class^=name]")
Yo u można następnie zastosować wyrażenie regularne ręcznie w razie potrzeby:
pattern = re.compile(r"^name-single name\d+$")
for elm in bsObj.select("a.name-single,a[class^=name]"):
match = pattern.match(" ".join(elm["class"]))
if match:
print(elm)
Tak, ponieważ klasa wartości atrybutów są traktowane jako lists/tablice wartości oddzielone spacją. –
Poszukałem kiedyś rozwiązania, ale nie mogłem. Po prostu sugeruję zrobić to w 2 krokach: 1) uzyskaj wszystkie zakotwiczenia z klasą "nazwa-pojedyncza" i 2) uzyskaj te, które pasują również do wyrażenia '^ name \ d * $'. –
FYI, utworzyła kontynuację i bardziej ogólne pytanie dotyczące obsługi atrybutu 'class': [Wyłącz specjalną obsługę klasy" class "] (http://stackoverflow.com/questions/34295928/disable-special-class-attribute -obsługa). – alecxe