par*_*cer 3 html python beautifulsoup html-parsing
我注意到findAll's 方法的一些奇怪行为：
>>> htmls="<html><body><p class=\"pagination-container\">slytherin</p><p class=\"pagination-container and something\">gryffindor</p></body></html>"
>>> soup=BeautifulSoup(htmls, "html.parser")
>>> for i in soup.findAll("p",{"class":"pagination-container"}):
print(i.text)
slytherin
gryffindor
>>> for i in soup.findAll("p", {"class":"pag"}):
print(i.text)
>>> for i in soup.findAll("p",{"class":"pagination-container"}):
print(i.text)
slytherin
gryffindor
>>> for i in soup.findAll("p",{"class":"pagination"}):
print(i.text)
>>> len(soup.findAll("p",{"class":"pagination-container"}))
2
>>> len(soup.findAll("p",{"class":"pagination-containe"}))
0
>>> len(soup.findAll("p",{"class":"pagination-contai"}))
0
>>> len(soup.findAll("p",{"class":"pagination-container and something"}))
1
>>> len(soup.findAll("p",{"class":"pagination-conta"}))
0
因此，当我们搜索pagination-container它时，它会返回第一个和第二个p标签。这让我觉得它寻找部分平等：类似于if passed_string in class_attribute_value:. 所以我缩短了findAll方法中的字符串，它从来没有找到任何东西！
这怎么可能？
首先，class是一个特殊的多值空间分隔属性，并有特殊处理。
编写时soup.findAll("p", {"class":"pag"})，BeautifulSoup会搜索具有 class 的元素pag。它将按空间拆分元素类值并检查拆分pag的项目中是否存在。如果您有一个带有class="test pag"或的元素class="pag"，它将被匹配。
应注意，在的情况下soup.findAll("p", {"class": "pagination-container and something"})，BeautifulSoup将匹配具有完全相同的元素class的属性值。在这种情况下不涉及拆分 - 它只是看到有一个元素的完整class值等于所需的字符串。
要对其中一个类进行部分匹配，您可以提供正则表达式或函数作为类过滤器值：
import re
soup.find_all("p", {"class": re.compile(r"pag")}) # contains pag
soup.find_all("p", {"class": re.compile(r"^pag")}) # starts with pag
soup.find_all("p", {"class": lambda class_: class_ and "pag" in class_}) # contains pag
soup.find_all("p", {"class": lambda class_: class_ and class_.startswith("pag")}) # starts with pag
还有更多要说的，但您也应该知道它BeautifulSoup具有CSS 选择器支持（有限的一个，但涵盖了大多数常见用例）。你可以写这样的东西：
soup.select("p.pagination-container") # one of the classes is "pagination-container"
soup.select("p[class='pagination-container']") # match the COMPLETE class attribute value
soup.select("p[class^=pag]") # COMPLETE class attribute value starts with pag
处理class属性值BeautifulSoup是一个常见的混淆和问题的来源，请参阅这些相关主题以获得更多理解：
| 归档时间： |
|
| 查看次数： |
5819 次 |
| 最近记录： |