如何查找仅具有某些属性的标签 - BeautifulSoup答案

【问题标题】：How to find tags with only certain attributes - BeautifulSoup如何查找仅具有某些属性的标签 - BeautifulSoup
【发布时间】：2012-02-14 13:45:09
【问题描述】：

我将如何使用 BeautifulSoup 搜索仅包含我搜索的属性的标签？

例如，我想查找所有<td valign="top"> 标签。

以下代码： raw_card_data = soup.fetch('td', {'valign':re.compile('top')})

获取我想要的所有数据，但也获取任何具有valign:top 属性的<td> 标记

我也试过： raw_card_data = soup.findAll(re.compile('<td valign="top">')) 这什么也不返回（可能是因为正则表达式错误）

我想知道 BeautifulSoup 中是否有办法说“查找唯一属性为 valign:top 的 <td> 标签”

更新例如，如果 HTML 文档包含以下 <td> 标签：

<td valign="top">.....</td><br />
<td width="580" valign="top">.......</td><br />
<td>.....</td><br />

我只想返回第一个 <td> 标记 (<td width="580" valign="top">)

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

使用任何标签中的属性查找

<th class="team" data-sort="team">Team</th>    
soup.find_all(attrs={"class": "team"}) 

<th data-sort="team">Team</th>  
soup.find_all(attrs={"data-sort": "team"})

【讨论】：

【解决方案2】：

如BeautifulSoup documentation 中所述

你可以用这个：

soup = BeautifulSoup(html)
results = soup.findAll("td", {"valign" : "top"})

编辑：

要返回只有 valign="top" 属性的标签，您可以检查标签attrs 属性的长度：

from BeautifulSoup import BeautifulSoup

html = '<td valign="top">.....</td>\
        <td width="580" valign="top">.......</td>\
        <td>.....</td>'

soup = BeautifulSoup(html)
results = soup.findAll("td", {"valign" : "top"})

for result in results :
    if len(result.attrs) == 1 :
        print result

返回：

<td valign="top">.....</td>

【讨论】：

根据我对 julio.alegria 的评论，这将找到所有具有 valign="top" 属性的 <tr> 标签，包括具有其他属性的标签（<td width="580" valign="top"> 在此搜索中也返回）我'我正在寻找一种方法来找到唯一属性为valign="top"的<tr>标签
所以，你可以检查 len(tag.attrs)。如果 len(tag.attrs) > 1，忽略标签（我已经编辑了我的帖子）

【解决方案3】：

如果您只想搜索具有任何值的属性名称

from bs4 import BeautifulSoup
import re

soup= BeautifulSoup(html.text,'lxml')
results = soup.findAll("td", {"valign" : re.compile(r".*")})

根据史蒂夫·洛里默的说法，最好通过 True 而不是正则表达式

results = soup.findAll("td", {"valign" : True})

【讨论】：

r".*" 后面缺少括号，导致无法编译。
不需要正则表达式，直接传True:results = soup.findAll("td", {"valign" : True})

【解决方案4】：

添加 Chris Redford 和 Amr 的答案的组合，您还可以使用 select 命令搜索具有任何值的属性名称：

from bs4 import BeautifulSoup as Soup
html = '<td valign="top">.....</td>\
    <td width="580" valign="top">.......</td>\
    <td>.....</td>'
soup = Soup(html, 'lxml')
results = soup.select('td[valign]')

【讨论】：

我已经尝试过同样的方法，但是这不起作用，有什么解决方法吗？
@PaneendraCharyuluKanduri 抱歉，代码中存在严重的编码错误。现在复制和粘贴应该可以工作了！

【解决方案5】：

最简单的方法是使用新的 CSS 样式 select 方法：

soup = BeautifulSoup(html)
results = soup.select('td[valign="top"]')

【讨论】：

如果我事先不知道值，只想找到包含 valign 属性的标签怎么办？
@MasayoMusic 你可以做 soup.select('td[valign]') 来选择所有具有 'valign' 属性的。您也可以省略标签名称以选择所有具有 'valign' 属性的元素

【解决方案6】：

您可以在findAll 中使用lambda 函数，如documentation 中所述。因此，在您的情况下，仅使用 valign = "top" 搜索 td 标记使用以下内容：

td_tag_list = soup.findAll(
                lambda tag:tag.name == "td" and
                len(tag.attrs) == 1 and
                tag["valign"] == "top")

【讨论】：

最佳答案，因为它使用了 BS 的全部功能
很好的答案，因为它以非常优化的方式为您提供结果。

【解决方案7】：

只需将其作为findAll 的参数传递：

>>> from BeautifulSoup import BeautifulSoup
>>> soup = BeautifulSoup("""
... <html>
... <head><title>My Title!</title></head>
... <body><table>
... <tr><td>First!</td>
... <td valign="top">Second!</td></tr>
... </table></body><html>
... """)
>>>
>>> soup.findAll('td')
[<td>First!</td>, <td valign="top">Second!</td>]
>>>
>>> soup.findAll('td', valign='top')
[<td valign="top">Second!</td>]

【讨论】：

如果有这样的标签怎么办：<td width="580" valign="top">？我不想抓住那些，只是那些唯一属性是valign="top"的标签