如何通过在任何 XML 深度中通过正则表达式识别属性来使用 BeautifulSoup 查找 bs4 XML 属性值？答案

【问题标题】：How to find bs4 XML attribute values with BeautifulSoup by identifying attribute by regex in any XML depth?如何通过在任何 XML 深度中通过正则表达式识别属性来使用 BeautifulSoup 查找 bs4 XML 属性值？
【发布时间】：2021-08-17 03:02:04
【问题描述】：

我有以下 bs4 元素：

from bs4 import BeautifulSoup

html_doc = """
    <l2 attribute2="Output"><s3><Cell cell_value2="384.01"/></s3></l2>, 
    <l1><s3 attribute1="Cost"><s4><Cell cell_value1="2314.37"/></s4></s3></l1>
"""

soup = BeautifulSoup(html_doc, "html.parser")

我想像这样提取所有属性值：

["Output", "Cost"]

我的问题是：如何使用正则表达式re.compile(r'^attribute[0-9]$') 实现这一点，并且在attribute* 可以是第一个标签（例如l1 或l2）或者它可以是“更深”的情况下" 比如s3 或者其他任意深度)？

如果属性具有相同的名称，或者它们处于相同的深度级别但名称不同，我可以这样做 - 但不能两者兼而有之。

【问题讨论】：

标签： python regex xml beautifulsoup

【解决方案1】：

import re
from bs4 import BeautifulSoup

html_doc = """
    <l2 attribute2="Output"><s3><Cell cell_value2="384.01"/></s3></l2>, 
    <l1><s3 attribute1="Cost"><s4><Cell cell_value1="2314.37"/></s4></s3></l1>
"""

soup = BeautifulSoup(html_doc, "html.parser")

r = re.compile(r"^attribute\d+")

out = []
for tag in soup.find_all(lambda tag: any(r.search(a) for a in tag.attrs)):
    for attr, value in tag.attrs.items():
        if r.search(attr):
            out.append(value)

print(out)

打印：

['Output', 'Cost']

【讨论】：