【教程】BeautifulSoup中使用正则表达式去搜索多种可能的关键字

【背景】

折腾过基本的BeautifulSoup的人，知道，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。

【举例说明】

比如，原先教程：

【教程】Python中第三方的用于解析HTML的库：BeautifulSoup

中的html：

<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：

了。

更多相关的解释，可以参考：

BeautifulSoup 3的中文版文档

转载请注明：在路上 » 【教程】BeautifulSoup中使用正则表达式去搜索多种可能的关键字