我想提取这样的“archivo”键的值:
...
<applet name="bla" code="Any.class" archive="Any.jar">
<param name="abc" value="space='1' archivo='bla.jpg'" </param>
<param name="def" value="space='2' archivo='bli.jpg'" </param>
<param name="jkl" value="space='3' archivo='blu.jpg'" </param>
</applet>
...
我想我需要一个包含 [bla.jpg, bli.jpg, ...] 的列表,所以我尝试以下选项:
inputTag = soup.findAll("param",{'value':'archivo'})
或
inputTag = soup.findAll(attrs={"value" : "archivo"})
或
inputTag = soup.findAll("archivo")
我总是得到一个空列表:[]
其他不成功的选项:
inputTag = soup.findAll("param",{"value" : "archivo"}.contents)
我得到类似的信息:字典对象没有属性内容
inputTag = unicode(getattr(soup.findAll('archivo'), 'string', ''))
我什么也没得到。
终于看到了:Difference between attrMap and attrs in beautifulSoup ,并且:
for tag in soup.recursiveChildGenerator():
print tag['archivo']
什么也没找到,它必须是 name、code 或 archive 键的标签。
最后还有更多:
tag.attrs = [(key,value) for key,value in tag.attrs if key == 'archivo']
但 tag.attrs 找不到任何内容
<小时/>好的,在 jcollado 的帮助下,我可以通过这种方式获取列表:
imageslist = []
patron = re.compile(r"archivo='([\w\./]+)'")
for tag in soup.findAll('param'):
if patron.search(tag['value']):
imageslist.append(patron.search(tag['value']).group(1))
最佳答案
这里的问题是 archivo
不是 param
的属性,而是 value
属性内部的东西。要从 value
中提取 archivo
,我建议使用正则表达式,如下所示:
>>> archivo_regex = re.compile(r"archivo='([\w\./]+)'")
>>> [archivo_regex.search(tag['value']).group(1)
... for tag in soup.findAll('param')]
[u'bla.jpg', u'bli.jpg', u'blu.jpg']
关于python - 使用 BeautifulSoup 提取键的值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9311084/