如果对象也有其他类,则Beauty Soup找不到CSS类

不幸的是,BeautifulSoup将其视为一个包含空格的类 'class1 class2' ['class1','class2'] . 解决方法是使用正则表达式而不是字符串来搜索类。

这项工作:

soup.findAll(True, {'class': re.compile(r'\bclass1\b')})

Python 2.7.5 (default, May 15 2013, 22:43:36) [MSC v.1500 32 bit (Intel)]
Type "copyright", "credits" or "license" for more information.

In [1]: import bs4

In [2]: soup = bs4.BeautifulSoup('<div class="foo bar"></div>')

In [3]: soup(attrs={'class': 'bar'})
Out[3]: [<div class="foo bar"></div>]

而且,你不必再输入findAll了。

lxml . 它使用多个由空格分隔的类值(“class1 class2”)。

尽管名称不同,lxml还是用于解析和抓取HTML。它比BeautifulSoup快得多,甚至比BeautifulSoup(他们的名声)更好地处理“坏的”HTML。如果您不想学习lxml API,它也为BeautifulSoup提供了一个兼容API。

Ian Bicking agrees 更喜欢lxml而不是BeautifulSoup。

没有理由再使用BeautifulSoup了,除非你使用的是Google App Engine或者其他不允许使用Python的东西。

比如:

soup.find_all("a", class_="class1")