BeautifulSoup:从html获取css类

Question

有没有办法使用BeautifulSoup从HTML文件中获取CSS类？示例代码段:

<style type="text/css">

 p.c3 {text-align: justify}

 p.c2 {text-align: left}

 p.c1 {text-align: center}

</style>

完美的输出将是:

cssdict = {
    'p.c3': {'text-align':'justify'},
    'p.c2': {'text-align:'left'},
    'p.c1':{'text-align':'center'}
}

虽然这样的事情会做:

L = [
    ('p.c3', {'text-align': 'justify'}),  
    ('p.c2', {'text-align': 'left'}),    
    ('p.c'1, {'text-align': 'center'})
]

Answer 1

BeautifulSoup本身根本不解析CSS样式声明,但您可以提取这些部分,然后使用专用的CSS解析器解析它们.

根据您的需要,有几个CSS解析器可用于python; 我选择cssutils(需要python 2.5或更高版本(包括python 3)),它是最完整的支持,并且也支持内联样式.

其他选项是css-py和tinycss.

要抓取并解析所有样式部分(使用cssutils的示例):

import cssutils
sheets = []
for styletag in tree.findAll('style', type='text/css')
    if not styletag.string: # probably an external sheet
        continue
    sheets.append(cssutils.parseStyle(styletag.string))

随着cssutil然后你可以结合这些,解决进口,甚至把它取外部样式表.

Answer 2

BeautifulSoup 和 cssutils 组合可以很好地解决这个问题：

    from bs4 import BeautifulSoup as BSoup
    import cssutils
    selectors = {}
    with open(htmlfile) as webpage:
        html = webpage.read()
        soup = BSoup(html, 'html.parser')
    for styles in soup.select('style'):
        css = cssutils.parseString(styles.encode_contents())
        for rule in css:
            if rule.type == rule.STYLE_RULE:
                style = rule.selectorText
                selectors[style] = {}
                for item in rule.style:
                    propertyname = item.name
                    value = item.value
                    selectors[style][propertyname] = value

BeautifulSoup 解析 html (head & body) 中的所有“style”标签，.encode_contents() 将 BeautifulSoup 对象转换成 cssutils 可以读取的字节格式，然后 cssutils 解析各个 CSS 样式一直到属性/值通过 rule.selectorText 和 rule.style 设置级别。

注意： “rule.STYLE_RULE”仅过滤掉样式。该cssutils文档详细介绍了过滤介质的规则，意见和进口的选择。

如果你把它分解成函数会更清晰，但你明白了要点......