代码之家 › 专栏 › 技术社区 › Priyank Bolia

我能把两个“findall”搜索块组合成一个吗?

beautifulsoup python

Priyank Bolia · 技术社区 · 15 年前

我能把这两个街区合并成一个街区吗?

编辑:任何其他方法,而不是结合循环,如雅科比在答案。

for tag in soup.findAll(['script', 'form']):
    tag.extract()

for tag in soup.findAll(id="footer"):
    tag.extract()

还可以将多个块合并为一个块:

for tag in soup.findAll(id="footer"):
    tag.extract()

for tag in soup.findAll(id="content"):
    tag.extract()

for tag in soup.findAll(id="links"):
    tag.extract()

或者可能有一些lambda表达式,我可以在其中检查是在数组中还是任何其他更简单的方法中。

另外,如何找到带有属性类的标记,因为类是保留关键字:

编辑:此部分由soup.findall(attrs='class':'noprint')解决:

for tag in soup.findAll(class="noprint"):
    tag.extract()

4 回复 | 直到 7 年前

user3850 14 年前

您可以将函数传递给 .findall() 这样地:

soup.findAll(lambda tag: tag.name in ['script', 'form'] or tag['id'] == "footer")

但是,您最好先构建一个标签列表,然后对其进行迭代:

tags = soup.findAll(['script', 'form'])
tags.extend(soup.findAll(id="footer"))

for tag in tags:
    tag.extract()

如果你想过滤几个 id 你可以使用:

for tag in soup.findAll(lambda tag: tag.has_key('id') and
                                    tag['id'] in ['footer', 'content', 'links']):
    tag.extract()

更具体的方法是将lambda分配给 身份证件 参数:

for tag in soup.findAll(id=lambda value: value in ['footer', 'content', 'links']):
    tag.extract()

Yacoby 15 年前

我不知道漂亮的汤是否能做得更优雅,但你可以像这样合并两个循环:

for tag in soup.findAll(['script', 'form']) + soup.findAll(id="footer"):
    tag.extract()

你可以找到这样的课程( Documentation ):

for tag in soup.findAll(attrs={'class': 'noprint'}):
    tag.extract()

user3850 15 年前

你问题第二部分的答案是 就在那里 在 documentation :

按CSS类搜索

如果不是因为一件事,attrs参数将是一个非常模糊的特性:css。搜索具有特定css类的标记非常有用,但是css属性class的名称也是一个python保留字。

您可以使用soup.find(“tagname”,“class”:“css class”)按css类搜索,但对于这种常见的操作来说,这是很多代码。相反,您可以为attrs传递字符串,而不是字典。该字符串将用于限制CSS类。
from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup("""Bob's Bold Barbeque Sauce now available in 
 Hickory and Lime</a>""")

soup.find("b", { "class" : "lime" })
# Lime

soup.find("b", "hickory")
# Hickory

Suneel Arumalla 7 年前

links = soup.find_all('a',class_='external') ,we can pass class_ to filter based on class values

from bs4 import BeautifulSoup
from urllib.request import urlopen

with urlopen('http://www.espncricinfo.com/') as f:
    raw_data= f.read()
    soup= BeautifulSoup(raw_data,'lxml')
    # print(soup)
    links = soup.find_all('a',class_='external')
    for link in links:
        print(link)