如何在 html 站点中找到我知道它与 python 中的特定模式匹配的标签？答案

【问题标题】：How can I find a tag in html site that I know it matches a certain pattern in python?如何在 html 站点中找到我知道它与 python 中的特定模式匹配的标签？
【发布时间】：2021-05-18 07:16:29
【问题描述】：

我想从本网站的冬季/春季/夏季等图表中获取宽度百分比： https://www.fragrantica.com/perfume/Christian-Dior/Sauvage-Eau-de-Parfum-48100.html

例如，对于冬季，我想在页面元素中找到这一行：

<div style="border-radius: 0.2rem; height: 0.3rem; background: rgb(120, 214, 240); width: 90.3491%; opacity: 1;"></div>

我已经尝试了以下

res = requests.get("https://www.fragrantica.com/perfume/Christian-Dior/Sauvage-Eau-de-Parfum- 
                    48100.html", headers={'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) 
                                           AppleWebKit/537.36 (KHTML, like Gecko),
                                           Chrome/88.0.4324.150 Safari/537.36'}
soup = BeautifulSoup(res.content, 'html.parser')
winter_row = soup.select('div[style="rgb(120, 214, 240)"]')
print(winter_row)

我想找到使用 RGB 的特定 html 行对于每个季节都是唯一的。问题是我得到一个空列表作为输出。我希望我的代码从图表中提取每个季节、白天和黑夜的宽度，以便我确切地知道投票的百分比。

你们知道我该怎么做吗？

PS：我还从网站上获得了香水的名称，并且它有效，所以我知道我得到了回应。

name_row = soup.select('#toptop')[0]
name = name_row.getText().replace('\n', '')

【问题讨论】：

标签： python html css beautifulsoup python-requests

【解决方案1】：

你得到一个空列表，因为你使用：

soup.select('div[style="rgb(120, 214, 240)"]')

但是这个表达式正在寻找完全匹配。

但实际上您想找到具有style 属性的div 元素，并且此属性必须包含具有特定值的background CSS 属性（在您的示例中为rgb(120, 214, 240)）。所以你必须使用这个 CSS 属性选择器 语法：

soup.select("[style*='background: rgb(120, 214, 240)']")

例子：

htmlpage = """<!doctype html>
<html lang="en">
  <head>
    <title>Title</title>
  </head>
  <body>
    <div style="border-radius: 0.2rem; height: 0.3rem; background: rgb(120, 214, 240); width: 90.3491%; opacity: 1;"></div>
  </body>
</html>"""

soup = BeautifulSoup(htmlpage, 'html.parser')
extracted = soup.select("[style*='background: rgb(120, 214, 240)']")

print(extracted)

输出：

[<div style="border-radius: 0.2rem; height: 0.3rem; background: rgb(120, 214, 240); width: 90.3491%; opacity: 1;"></div>]

您应该使用res.text 而不是res.content，它以字节为单位提供响应内容，而不是可以解析的文本。

【讨论】：

我仍然得到一个空列表:(