如何在BeautifulSoup4中从HTML标签中查找特定数据属性？

Question

有没有办法仅通过HTML中的数据属性来找到一个元素，然后获取它的值呢？

比如，在一个HTML文档中有这样一行：

<ul data-bin="Sdafdo39">

我该如何通过搜索整个HTML文档，找到带有 data-bin 属性的元素，从而获取 Sdafdo39 这个值呢？

Answer 1

如果你更喜欢通过 select() 来使用 CSS 选择器，而不是用 find_all()，可以考虑这个替代方案：

from bs4 import BeautifulSoup
html_doc = """<ul class="foo">foo</ul><ul data-bin="Sdafdo39">"""
soup = BeautifulSoup(html_doc)

# Select
soup.select('ul[data-bin]')

Answer 2

你可以用gazpacho这个工具，轻松解决这个问题，只需要几行代码：

首先，你需要导入这个工具，然后把网页的html内容变成一个叫做Soup的对象：

from gazpacho import Soup

html = """<ul data-bin="Sdafdo39">"""
soup = Soup(html)

接着，你只需要查找“ul”这个标签，然后提取它的href属性：

soup.find("ul").attrs["data-bin"]
# Sdafdo39

Answer 3

更准确一点

[item['data-bin'] for item in bs.find_all('ul', attrs={'data-bin' : True})]

这样，循环出来的列表只包含你想要查找的属性的

元素。

from bs4 import BeautifulSoup
bs = BeautifulSoup(html_doc)
html_doc = """<ul class="foo">foo</ul><ul data-bin="Sdafdo39">"""
[item['data-bin'] for item in bs.find_all('ul', attrs={'data-bin' : True})]

Answer 4

你可以使用 find_all 方法来获取所有的标签，然后根据标签的属性中的 "data-bin" 来过滤，这样就能找到我们想要的那个标签。接着，我们可以很简单地提取出与之对应的值，像这样：

from bs4 import BeautifulSoup
html_doc = """<ul data-bin="Sdafdo39">"""
bs = BeautifulSoup(html_doc)
print [item["data-bin"] for item in bs.find_all() if "data-bin" in item.attrs]
# ['Sdafdo39']