选择除 BeautifulSoup 中某些类的所有 div

Question

正如this question 中所讨论的，人们可以很容易地获得具有某些类的所有divs。但是在这里，我有一个我想要排除的类列表，并且想要获取列表中没有任何类的所有 div。

例如

classToIgnore = ["class1", "class2", "class3"]

现在想要获取所有不包含上面提到的类的 div 列表。我怎样才能做到这一点？

Answer 1

使用 CSS 选择器，试试这个：

divs = soup.select("div:not('.class1, .class2, .class3')")

参考

1. Link 1
2. Link 2

Answer 2

替代解决方案

soup.find_all('div', class_=lambda x: x not in classToIgnore)

例子

from bs4 import BeautifulSoup
html = """
<div class="c1"></div>
<div class="c1"></div>
<div class="c2"></div>
<div class="c3"></div>
<div class="c4"></div>
"""
soup = BeautifulSoup(html, 'html.parser')
classToIgnore = ["c1", "c2"]
print(soup.find_all('div', class_=lambda x: x not in classToIgnore))

输出

[<div class="c3"></div>, <div class="c4"></div>]

如果您正在处理嵌套类，请尝试使用 decompose 删除内部不需要的类，然后只使用 find_all('div')

for div in soup.find_all('div', class_=lambda x: x in classToIgnore):
    div.decompose()
print(soup.find_all('div'))

这可能会留下一些额外的空间，但您可以稍后轻松地将其删除。