我正在开发一个网络抓取工具来查找给定网站的价格标签。
我有密码
price = soup.findAll(['div'],{'class':re.compile(r'(.*?price.*?)',re.IGNORECASE)})
有了这个,我能够找到所有带有 class 属性的 div 标签,这些标签的值带有 price 关键字。 (包含价格的词,如数据价格、价格等)
但我想检索所有包含 price 关键字的 div 标签,而不考虑属性名称。
例子:
我要抓取的网站格式如下:
<div class="css-2vqe5n esdkp3p0" data-automation="buybox-price" aria-label="Now $74">$74</div>
我的代码仅在类属性中存在 price 关键字时进行检索,但在这种情况下,它存在于数据自动化属性中。
所以我正在寻找一种解决方案,它可以搜索 div 标签的所有属性,而不仅仅是在类标签中搜索。
最佳答案
对于此任务,您可以使用带有自定义函数的 .find_all()
。
例如:
from bs4 import BeautifulSoup
html_text = '''
<div class="css-2vqe5n esdkp3p0" data-automation="buybox-price" aria-label="Now $74">$74</div>
<div class="price value" aria-label="Now $75">$75</div>
<div class="discount-price" aria-label="Now $76">$76</div>
<div class="something_other">other</div>
'''
soup = BeautifulSoup(html_text, 'html.parser')
def is_price(tag):
for k, v in tag.attrs.items():
if 'price' in v:
return True
elif isinstance(v, list) and any('price' in i for i in v):
return True
for tag in soup.find_all(is_price):
print(tag)
打印:
<div aria-label="Now $74" class="css-2vqe5n esdkp3p0" data-automation="buybox-price">$74</div>
<div aria-label="Now $75" class="price value">$75</div>
<div aria-label="Now $76" class="discount-price">$76</div>
关于python - bs4 在给定标签的所有属性中搜索一个词,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63161086/