Beautifulsoup无法找到名称中带有连字符的类

Question

我在运行python2.7.8的MacOSX上使用BeautifulSoup4。我很难从下面的html代码中提取信息

 <tbody tabindex="0" class="yui-dt-data" id="yui_3_5_0_1_1408418470185_1650">
      <tr id="yui-rec0" class="yui-dt-first yui-dt-even">
           <td headers="yui-dt0-th-rank" class="rank yui-dt0-col-rank"></td>
           </tr>
      <tr id="yui-rec1" class="yui-dt-odd">...</tr>
      <tr id="yui-rec2" class="yui-dt-even">...</tr>
 </tbody>

我似乎无法获取表或其任何内容，因为BS和/或python似乎无法识别带有连字符的值。像平常一样

^{pr2}$

或者

 Row2 = Table.find('tr',{'id':'yui-rec2'})

只返回一个空对象（不是无，只是空的）。我对BS4或Python并不陌生，我以前也从这个站点提取过信息，但是现在的类名与我以前做的时候不同了。现在所有东西都有连字符。有没有办法让Python识别连字符或解决方法？在

我需要使我的代码是通用的，这样我就可以在许多具有相同类名的页面上运行它。不幸的是，<tbody>中的id属性对该特定表是唯一的，因此我不能使用它来跨网页标识此表。在

任何帮助都将不胜感激。提前谢谢。在

Answer 1

对于那些试图找到解决方案来查找属性中带有连字符的标记的人，文档中有一个答案 https://www.crummy.com/software/BeautifulSoup/bs4/doc/#the-keyword-arguments

这段代码会导致错误

data_soup = BeautifulSoup('<div data-foo="value">foo!</div>')
data_soup.find_all(data-foo="value")
# SyntaxError: keyword can't be an expression

你应该这么做

^{pr2}$

Answer 2

只需使用select。英国标准4 4.7.1

import requests
from bs4 import BeautifulSoup as bs

html = '''
<tbody tabindex="0" class="yui-dt-data" id="yui_3_5_0_1_1408418470185_1650">
      <tr id="yui-rec0" class="yui-dt-first yui-dt-even">
           <td headers="yui-dt0-th-rank" class="rank yui-dt0-col-rank"></td>
           </tr>
      <tr id="yui-rec1" class="yui-dt-odd">...</tr>
      <tr id="yui-rec2" class="yui-dt-even">...</tr>
 </tbody>
 '''
soup = bs(html, 'lxml')
soup.select('.yui-dt-data')

Answer 3

以下代码：

from bs4 import BeautifulSoup

htmlstring = """ <tbody tabindex="0" class="yui-dt-data" id="yui_3_5_0_1_1408418470185_1650">
      <tr id="yui-rec0" class="yui-dt-first yui-dt-even">
      <tr id="yui-rec1" class="yui-dt-odd">
      <tr id="yui-rec2" class="yui-dt-even">"""


soup = BeautifulSoup(htmlstring)
Table = soup.find('tbody', attrs={'class': 'yui-dt-data'}) 
print("Table:\n")
print(Table)
tr = Table.find('tr', attrs={'class': 'yui-dt-odd'}) 
print("tr:\n")
print(tr)

输出：

^{pr2}$

尽管您提供的html本身不是有效的，但是BS似乎在猜测它应该如何，因为soup.prettify()会产生

<tbody class="yui-dt-data" id="yui_3_5_0_1_1408418470185_1650" tabindex="0">
 <tr class="yui-dt-first yui-dt-even" id="yui-rec0">
  <tr class="yui-dt-odd" id="yui-rec1">
   <tr class="yui-dt-even" id="yui-rec2">
   </tr>
  </tr>
 </tr>
</tbody>

虽然我猜那些tr不应该嵌套。在

你能试着运行这些代码看看输出是什么吗？在