【教程】BeautifulSoup中使用正则表达式去搜索多种可能的关键字
2015-07-08 16:43
330 查看
【背景】
折腾过基本的BeautifulSoup的人,知道,可以通过指定对应的name和attrs去搜索,特定的名字和属性,以找到所需要的部分的html代码。
但是,有时候,会遇到,对于要处理的内容中,其name或attr的值,有多种可能,尤其是符合某一规律,此时,就无法写成固定的值了。
所以,就可以借助正则表达式来解决此问题。
【举例说明】
比如,原先教程:
【教程】Python中第三方的用于解析HTML的库:BeautifulSoup
中的html:
对应的BeautifulSoup代码如下:
而如果html是这种:
那么想要一次性地找到所有的,符合条件的h1的部分的代码,则之前的写法,就只能找到单个的class="h1user"的部分,剩下的两个
class="h1user test1"
和
class="h1user test2"
就找不到了。
那么,此时,就可以用到,BeautifulSoup中非常好用的,非常强大的功能:
attrs中支持正则表达式的写法
了。
就可以写成:
就可以一次性地,找到:
了。
折腾过基本的BeautifulSoup的人,知道,可以通过指定对应的name和attrs去搜索,特定的名字和属性,以找到所需要的部分的html代码。
但是,有时候,会遇到,对于要处理的内容中,其name或attr的值,有多种可能,尤其是符合某一规律,此时,就无法写成固定的值了。
所以,就可以借助正则表达式来解决此问题。
【举例说明】
比如,原先教程:
【教程】Python中第三方的用于解析HTML的库:BeautifulSoup
中的html:
<div class="icon_col"> <h1 class="h1user">crifan</h1> </div>
对应的BeautifulSoup代码如下:
h1userSoup = soup.find(name="h1", attrs={"class":"h1user"});
而如果html是这种:
<div class="icon_col"> <h1 class="h1user">crifan</h1> <h1 class="h1user test1">crifan 123</h1> <h1 class="h1user test2">crifan 456</h1> </div>
那么想要一次性地找到所有的,符合条件的h1的部分的代码,则之前的写法,就只能找到单个的class="h1user"的部分,剩下的两个
class="h1user test1"
和
class="h1user test2"
就找不到了。
那么,此时,就可以用到,BeautifulSoup中非常好用的,非常强大的功能:
attrs中支持正则表达式的写法
了。
就可以写成:
h1userSoupList = soup.findAll(name="h1", attrs={"class":re.compile(r"h1user(\s\w+)?")});
就可以一次性地,找到:
class="h1user" class="h1user test1" class="h1user test2" |
相关文章推荐
- 实施项目--为什么开发人员一直在抱怨需求变动
- MySQl Study学习之--MySQl二进制日志管理
- web.py 十分钟创建简易博客
- mongodb的安装和简单命令
- Xcode更新到6.3之后,NSFileTypeForHFSTypeCode报了三个错误
- d3.js入门1:安装配置
- Windows 7/8 64位下安装64位Apache 2.4.7
- VMware 安装Ubuntu 12.04后启用虚拟机的unity mode模式
- Docker学习笔记之docker数据卷
- Swift语言与Applescript的区别?AppleScript的发展状况?
- cut命令
- python strip()
- 语句include和require的区别是什么?为避免多次包含同意文件,可用?语句来代替他们?
- IIS 注册4.0 Framework
- C#Winform实现自动更新
- (原创)用讯飞语音实现人机交互的功能
- Windows安装Apache Server
- JAVA将图片以二进制形式存入Access数据库
- Android开发adb命令含义
- VS2010新建项目失败