python - Beautiful soup 中的正则表达式不起作用

Question

我正在尝试寻找标签。该标签的类包含以下子字符串:borderbox Flightbox p2。

例如:<div class="borderbox flightbox p2 my-repeat-animation ng-scope"...

所以我认为这应该有效:

soup.find_all('div',class_=re.compile(r"borderbox flightbox p2"+".*"))

但它找不到任何东西。您有什么建议吗？

Answer 1

这应该可以满足您的要求:

def match_tag(tag, classes):
    return (tag.name == 'div'
            and 'class' in tag.attrs
            and all([c in tag['class'] for c in classes]))

divs = soup.find_all(lambda t: match_tag(t, ['borderbox', 'flightbox', 'p2'))

在 BeautifulSoup 4 中，传递给 class_ 参数的正则表达式将分别应用于每个 CSS 类。 BeautifulSoup 正在检查您的 div 持有的每个单独的 CSS 类，看看它是否与您提供的正则表达式匹配。将其放入代码中，它会执行以下操作:

for class in div['class']:
    if regexp.search(class): yield div

当然，您拥有的单个类不会与您的正则表达式匹配； 'borderbox Flightbox p2' 在 'borderbox'、'flightbox' 或 'p2' 中找不到。

解决方案是使用 BeautifulSoup 的功能来为您进行匹配。 match_tag 检查 (1) 标记是否是 div 以及 (2) 该标记是否具有参数 classes 指定的每个 CSS 类.