Python 使用beautifulsoup获取多个标记和属性数据

我想使用beautifulsoup从以下HTML中获取多个标记和属性

1） div id=home_1039509

2） div id=“guest_1039509

3） id=“赔率”\u 3\u 1039509

4） id=“gs_1039509

5） id=“hs_1039509

6） id=“时间”\u 1039509

HTML:

您可以传递并检查

id

home

、

guest

等：

from bs4 import BeautifulSoup

f = lambda x: x and x.startswith(('home_', 'guest_', 'odds_', 'gs_', 'hs_', 'time_'))

soup = BeautifulSoup(open('test.html'))
print [element.get_text(strip=True) for element in soup.find_all(id=f)]

印刷品：

[u'U18()', u'U18', u'2', u'42', u'1', u'', u'', u'0.942.5/30.86', u'']

请注意，

startswith（）

允许传递字符串元组进行检查。

您可以传递并检查

id

home

，

guest

等：

from bs4 import BeautifulSoup

f = lambda x: x and x.startswith(('home_', 'guest_', 'odds_', 'gs_', 'hs_', 'time_'))

soup = BeautifulSoup(open('test.html'))
print [element.get_text(strip=True) for element in soup.find_all(id=f)]

印刷品：

[u'U18()', u'U18', u'2', u'42', u'1', u'', u'', u'0.942.5/30.86', u'']

---

请注意，

startswith（）

允许传递字符串元组以进行检查。

您可以获得类似的列

import re
from bs4 import BeautifulSoup
soup = BeautifulSoup(html)

soup.find_all(["div", "span"], id=re.compile('[home|guest|odds_3|gs|hs|time]_\d+'))

上面的正则表达式只是一个例子

在你的情况下，它可以是

cols = tr.find_all(["div", "span"], id=re.compile('[home|guest|odds|gs|hs|time]_\d+'))

for tag in cols:
    # find(text=True) only returns data if immediate node has text
    # incase <div><span>123</span></div> will return None
    t = td.find_all(text=True)
    if t:
        # find_all will return list so need to join
        text = ''.join(t).strip() + ';'
    print(text)

cols=tr.find|all（[“div”，“span”]，id=re.compile（“[home | guest |赔率| gs | hs |时间]）\d+”）
对于cols中的标记：
#find（text=True）仅在立即节点具有文本时返回数据
#如果是123，则不返回任何值
t=td.find_all（text=True）
如果t：
#find_all将返回列表，因此需要加入
text=''.join（t）.strip（）+'；'
打印（文本）

您可以获得类似的列

import re
from bs4 import BeautifulSoup
soup = BeautifulSoup(html)

soup.find_all(["div", "span"], id=re.compile('[home|guest|odds_3|gs|hs|time]_\d+'))

上面的正则表达式只是一个例子

在你的情况下，它可以是

cols = tr.find_all(["div", "span"], id=re.compile('[home|guest|odds|gs|hs|time]_\d+'))

for tag in cols:
    # find(text=True) only returns data if immediate node has text
    # incase <div><span>123</span></div> will return None
    t = td.find_all(text=True)
    if t:
        # find_all will return list so need to join
        text = ''.join(t).strip() + ';'
    print(text)

cols=tr.find|all（[“div”，“span”]，id=re.compile（“[home | guest |赔率| gs | hs |时间]）\d+”）
对于cols中的标记：
#find（text=True）仅在立即节点具有文本时返回数据
#如果是123，则不返回任何值
t=td.find_all（text=True）
如果t：
#find_all将返回列表，因此需要加入
text=''.join（t）.strip（）+'；'
打印（文本）

这个问题和您被呼叫时一样糟糕。

rfvtgb2014

。请阅读，您的代码中到底有什么不起作用？我的代码不起作用，请寻求建议，谢谢！“我的代码[原文如此]不起作用”不是一个有用的问题陈述。错误（提供完整的回溯）？意外输出（提供输入以及预期和实际输出）？到目前为止，您做了什么来尝试修复它？问题并不完全糟糕：至少它包含代码、输入和用户试图实现的目标-这有助于提供解决方案。这和您被称为

rfvtgb2014

时一样糟糕。请阅读，您的代码中到底有什么不起作用？我的代码不是工作，并寻求建议，thx！“我的代码[原文如此]不工作”不是一个有用的问题陈述。错误（提供完全回溯）？意外输出（提供输入以及预期和实际输出）？到目前为止，您做了什么来尝试修复它？问题并不完全糟糕：至少它包含代码、输入和用户试图实现的内容-这有助于提供解决方案。@hknothin2014有关BeutifulSoup如何工作的更多信息，请查看文档@hknothin2014以了解有关BeutifulSoup如何工作的更多信息Works检查文档，谢谢，但无法获取标记中的数据，请帮助，非常感谢！因为find正在从div和span元素中进行选择[“div”，“span”，“td”]将选择TDThank，实际上我添加了[“div”，“span”，“td”]，但它仍然不起作用，我不知道原因是什么，谢谢！您需要更新正则表达式，这可能有助于重新编译（r'[home | guest | bits | gs | hs | time]\ud+），即使我写cols=tr.findAll（“td”，“id”：bits|3_1039509）但是它仍然无法获取数据谢谢，但是无法获取标记内的数据，请帮助，非常感谢！因为find仅从div和span元素中选择[“div”，“span”，“td”]将选择TDThank，实际上我添加了[“div”，“span”，“td”]，但它仍然不起作用，我不知道原因是什么，谢谢！您需要更新正则表达式，可能这有助于重新编译（r'[home | guest | bits | gs | hs | time]\ud+），即使我写cols=tr.findAll（“td”，{“id”：bits|u3_1039509），但它仍然无法获得数据