Python的爬虫包Beautiful Soup中用正则表达式来搜索
更新时间：2016年01月20日 11:34:02 作者：crifan
这篇文章主要介绍了Python的爬虫包Beautiful Soup中用正则表达式来搜索的技巧,包括使用正则表达式去搜索多种可能的关键字以及查找属性值未知的标签等,需要的朋友可以参考下
Beautiful Soup使用时，一般可以通过指定对应的name和attrs去搜索，特定的名字和属性，以找到所需要的部分的html代码。
但是，有时候，会遇到，对于要处理的内容中，其name或attr的值，有多种可能，尤其是符合某一规律，此时，就无法写成固定的值了。
所以，就可以借助正则表达式来解决此问题。
比如，
<div class="icon_col">
<h1 class="h1user">crifan</h1>
</div>
对应的BeautifulSoup代码如下：
h1userSoup = soup.find(name="h1", attrs={"class":"h1user"});
而如果html是这种：
<div class="icon_col">
<h1 class="h1user">crifan</h1>
<h1 class="h1user test1">crifan 123</h1>
<h1 class="h1user test2">crifan 456</h1>
</div>
那么想要一次性地找到所有的，符合条件的h1的部分的代码，则之前的写法，就只能找到单个的class="h1user"的部分，剩下的两个
class="h1user test1"
和
class="h1user test2"
就找不到了。
那么，此时，就可以用到，BeautifulSoup中非常好用的，非常强大的功能：
attrs中支持正则表达式的写法
了。
就可以写成：
h1userSoupList = soup.findAll(name="h1", attrs={"class":re.compile(r"h1user(\s\w+)?")});
就可以一次性地，找到：
class="h1user" class="h1user test1" class="h1user test2"
了。
<div aria-lable="xxx">
之类的标签，xxx的内容未知（可变）的前提下
想要查找到对应的此div标签，之前不知道如何实现。
如果写成：
sopu.findAll("div", attrs={"aria-lable": "xxx"});
则xxx必须写出来，如果不写出来属性值，也就没法用上attrs了，就没法实现此处查找特性属性值的标签了。
所以针对：
<div aria-label="5星, 747 份评分" class="rating" role="img" tabindex="-1"> <div> <span class="rating-star"> </span> <span class="rating-star"> </span> <span class="rating-star"> </span> <span class="rating-star"> </span> <span class="rating-star"> </span> </div> <span class="rating-count"> 747 份评分 </span> </div>
可以通过：
soup.findAll("div", attrs={"aria-lable": True});
去查找到属性包含aria-lable的div标签的。
所以，对于上面的，之前不知道如何处理：
用BeautifulSoup查找未知属性值，但是已知属性的名字的标签
则此处，就可以针对：
<div aria-lable="xxx">
去用：
sopu.findAll("div", attrs={"aria-lable": True});
就可以查找到对应的包含属性aria-lable的div标签了。
相关文章
这篇文章主要介绍了Pyinstaller加密打包应用的示例代码，代码简单易懂，非常不错，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-06-06
对Python 两大环境管理神器 pyenv 和 virtualenv详解
今天小编就为大家分享一篇对Python 两大环境管理神器 pyenv 和 virtualenv详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
这篇文章主要介绍了详解Python各大聊天系统的屏蔽脏话功能原理,小编觉得挺不错的，现在分享给大家，也给大家做个参考。2016-12-12
python一直被病垢运行速度太慢，但是实际上python的执行效率并不慢，慢的是python用的解释器Cpython运行效率太差。这篇文章主要介绍了一行代码让 Python 的运行速度提高100倍的相关知识,需要的朋友可以参考下2018-10-10
在本篇文章里小编给大家分享的是关于python进行矩阵运算的方法及实例代码，需要的朋友们可以学习下。2020-06-06
这篇文章主要介绍了详解Django定时任务模块设计与实践，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
这篇文章主要介绍了python OpenCV学习笔记直方图反向投影的实现，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-02-02
这篇文章主要介绍了python爬虫项目设置一个中断重连的程序的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
PyCharm安装配置Qt Designer+PyUIC图文教程
这篇文章主要介绍了PyCharm安装配置Qt Designer+PyUIC图文教程,本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-05-05
这篇文章主要介绍了Python字符串的索引与切片，文章围绕主题展开详细的相关资料，需要的小伙伴可以参考一下2022-04-04
最新评论