匹配 BeautifulSoup 中的部分 id答案

【问题标题】：Matching partial ids in BeautifulSoup匹配 BeautifulSoup 中的部分 id
【发布时间】：2011-02-19 07:21:51
【问题描述】：

我正在使用 BeautifulSoup。我必须找到任何对 <div> 标签的引用，其 id 如下：post-#。

例如：

<div id="post-45">...</div>
<div id="post-334">...</div>

我试过了：

html = '<div id="post-45">...</div> <div id="post-334">...</div>'
soupHandler = BeautifulSoup(html)
print soupHandler.findAll('div', id='post-*')

如何过滤？

【问题讨论】：

你用的是什么版本的 BeautifulSoup？

标签： python beautifulsoup

【解决方案1】：

您可以将函数传递给findAll：

>>> print soupHandler.findAll('div', id=lambda x: x and x.startswith('post-'))
[<div id="post-45">...</div>, <div id="post-334">...</div>]

或正则表达式：

>>> print soupHandler.findAll('div', id=re.compile('^post-'))
[<div id="post-45">...</div>, <div id="post-334">...</div>]

【讨论】：

AttributeError: 'NoneType' 对象没有属性 'startswith'
我已经修复了AttributeError。

【解决方案2】：

soupHandler.findAll('div', id=re.compile("^post-$"))

我觉得很合适。

【讨论】：

你为什么放$？我认为这不会像 OP 所希望的那样起作用。

【解决方案3】：

由于他要求匹配“post-#somenumber#”，因此最好精确

import re
[...]
soupHandler.findAll('div', id=re.compile("^post-\d+"))

【讨论】：

【解决方案4】：

这对我有用：

from bs4 import BeautifulSoup
import re

html = '<div id="post-45">...</div> <div id="post-334">...</div>'
soupHandler = BeautifulSoup(html)

for match in soupHandler.find_all('div', id=re.compile("post-")):
    print match.get('id')

>>> 
post-45
post-334

【讨论】：