web-dev-qa-db-fra.com

Obtenez le contenu par nom de classe en utilisant Beautiful Soup

En utilisant le module Beautiful Soup, comment puis-je obtenir les données d'une balise div dont le nom de classe est feeditemcontent cxfeeditemcontent? Est-ce:

soup.class['feeditemcontent cxfeeditemcontent']

ou:

soup.find_all('class')

Voici la source HTML:

<div class="feeditemcontent cxfeeditemcontent">
    <div class="feeditembodyandfooter">
         <div class="feeditembody">
         <span>The actual data is some where here</span>
         </div>
     </div>
 </div>

et voici le code Python:

 from BeautifulSoup import BeautifulSoup
 html_doc = open('home.jsp.html', 'r')

 soup = BeautifulSoup(html_doc)
 class="feeditemcontent cxfeeditemcontent"
pythonbeautifulsoup
14
Rajeev

Essayez ceci, c'est peut-être trop pour cette chose simple mais cela fonctionne:

def match_class(target):
    target = target.split()
    def do_match(tag):
        try:
            classes = dict(tag.attrs)["class"]
        except KeyError:
            classes = ""
        classes = classes.split()
        return all(c in classes for c in target)
    return do_match

html = """<div class="feeditemcontent cxfeeditemcontent">
<div class="feeditembodyandfooter">
<div class="feeditembody">
<span>The actual data is some where here</span>
</div>
</div>
</div>"""

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup(html)

matches = soup.findAll(match_class("feeditemcontent cxfeeditemcontent"))
for m in matches:
    print m
    print "-"*10

matches = soup.findAll(match_class("feeditembody"))
for m in matches:
    print m
    print "-"*10
10
jadkik94

Beautiful Soup 4 traite la valeur de l'attribut "class" comme une liste plutôt que comme une chaîne, ce qui signifie que la solution de jadkik94 peut être simplifiée:

from bs4 import BeautifulSoup                                                   

def match_class(target):                                                        
    def do_match(tag):                                                          
        classes = tag.get('class', [])                                          
        return all(c in classes for c in target)                                
    return do_match                                                             

soup = BeautifulSoup(html)                                                      
print soup.find_all(match_class(["feeditemcontent", "cxfeeditemcontent"]))
22
Leonard Richardson

soup.findAll("div", class_="feeditemcontent cxfeeditemcontent")

Donc, si je veux obtenir toutes les balises div de l'en-tête de classe <div class="header"> de stackoverflow.com, un exemple avec BeautifulSoup serait quelque chose comme:

from bs4 import BeautifulSoup as bs
import requests 

url = "http://stackoverflow.com/"
html = requests.get(url).text
soup = bs(html)

tags = soup.findAll("div", class_="header")

Il est déjà dans bs4 documentation .

6
Aziz Alto
from BeautifulSoup import BeautifulSoup 
f = open('a.htm')
soup = BeautifulSoup(f) 
list = soup.findAll('div', attrs={'id':'abc def'})
print list
4
user1438327
soup.find("div", {"class" : "feeditemcontent cxfeeditemcontent"})
3
Jordan Dimov

Vérifiez ce rapport de bogue: https://bugs.launchpad.net/beautifulsoup/+bug/410304

Comme vous pouvez le voir, Belle soupe ne peut pas vraiment comprendre class="a b" en deux classes a et b.

Cependant, comme cela apparaît dans le premier commentaire, une simple expression rationnelle devrait suffire. Dans ton cas:

soup = BeautifulSoup(html_doc)
for x in soup.findAll("div",{"class":re.compile(r"\bfeeditemcontent\b")}):
    print "result: ",x

Remarque: cela a été corrigé dans la dernière version bêta. Je n'ai pas parcouru la documentation des versions récentes, peut-être que vous pourriez le faire. Ou si vous voulez le faire fonctionner en utilisant l'ancienne version, vous pouvez utiliser ce qui précède.

0
UltraInstinct