Python中BS4 find_all（）语句中的筛选函数问题

我正在抓取一个HTML网页。我正在Mac（Sierra）上使用BeautifulSoup库（4.6.0）和Python（3.7）

除此之外，我看到了一堆具有类属性的'div'标记。一些'div'标记带有多个class属性值。现在，我想根据标记名和类属性值进行筛选，例如，我想查找具有class='a'但不具有class='b'的'div'标记（是的，一些div标记带有class='a'和class='b'）

为了获得这些标记，我尝试使用BS4文档（）中提到的过滤函数。我的印象是find_all（）将bs4标记元素传递给函数，在函数中，您可以对bs4标记元素执行任何操作。这似乎不是真的。我得到一个字符串，显然我所有的BS4标记元素操作都会引发一个异常

两个问题：

find_all（）到底传递给函数什么？如何使用参数

除了功能之外，如何才能实现所需的功能

我的印象是find_all（）将bs4标记元素传递给函数，在函数中，您可以对bs4标记元素执行任何操作

你的印象是正确的。根据bs4文件（重点矿山）：

。。。定义一个函数，将元素作为其唯一参数

因此，文档中的每个元素都被传递到filter函数，如果该函数为该元素返回

True

，它将包含在

.find_all（）

返回的元素列表中。这实际上只能作为最后的手段使用，因为它可能需要相当高的性能。我不完全确定为什么会得到字符串，一种可能是将函数传递给

类

参数，该参数会传递字符串，但不能说没有看到代码

我认为你应该做的是使用

.find_all（）

获取所有

类为“a”的，然后使用你自己的方法过滤这些，只包括那些没有类为“b”的，类似这样：

divs = soup.find_all('div', class_='a')
filtered_divs = [ div for div in divs if 'b' not in div.attrs['class'].split(' ') ]

但是如果你真的想使用filter函数，它看起来就像

class_a_not_b(e):
    if 'class' not in e.attrs: return False
    return 'a' in e.attrs['class'].split(' ') and 'b' not in e.attrs['class'].split(' ')

divs = soup.find_all(class_a_not_b)

---

到目前为止你试过什么？包括一段html和其他代码来创建一个新的应用程序，这将帮助我们了解您的具体情况。