BeautifulSoup按类搜索

13 投票

2 回答

29261 浏览

提问于 2025-04-16 17:01

可能重复的问题：
Beautiful Soup无法找到一个CSS类，如果这个对象还有其他类

我正在使用BeautifulSoup来查找HTML中的tables（表格）。我现在遇到的问题是关于class属性中空格的使用。如果我的HTML是<html><table class="wikitable sortable">blah</table></html>，我似乎无法用下面的方式提取它（我本来可以用wikipedia和wikipedia sortable来找到class）：

BeautifulSoup(html).findAll(attrs={'class':re.compile("wikitable( sortable)?")})

不过，如果我的HTML只是<html><table class="wikitable">blah</table></html>，这样就能找到表格。同样，我也尝试在我的正则表达式中使用"wikitable sortable"，但这也不匹配。有什么想法吗？

正则表达式属性匹配数据提取网页抓取 html解析 beautifulsoup 表格处理 css类

2 个回答

lxml比BeautifulSoup更好的一个原因是，它支持像CSS那样的类选择功能（如果你想用的话，它甚至支持完整的CSS选择器）。

import lxml.html

html = """<html>
<body>
<div class="bread butter"></div>
<div class="bread"></div>
</body>
</html>"""

tree = lxml.html.fromstring(html)

elements = tree.find_class("bread")

for element in elements:
    print lxml.html.tostring(element)

结果是：

<div class="bread butter"></div>
<div class="bread"></div>

回答于 2025-04-16 由 Python大师

分享举报

如果在一个元素的类属性中，wikitable出现在其他CSS类之后，比如说class="something wikitable other"，那么模式匹配就会失败。所以如果你想找到所有类属性中包含wikitable的表格，你需要一个可以接受更多可能性的匹配模式：

html = '''<html><table class="sortable wikitable other">blah</table>
<table class="wikitable sortable">blah</table>
<table class="wikitable"><blah></table></html>'''

tree = BeautifulSoup(html)
for node in tree.findAll(attrs={'class': re.compile(r".*\bwikitable\b.*")}):
    print node

结果：

<table class="sortable wikitable other">blah</table>
<table class="wikitable sortable">blah</table>
<table class="wikitable"><blah></blah></table>

顺便说一下，我不使用BeautifulSoup，更喜欢用lxml，就像其他人提到的那样。

回答于 2025-04-16 由 Python大师

分享举报

BeautifulSoup按类搜索

2 个回答

撰写回答