通過BeautifulSoup獲取屬性值

Question

我想從BeautifulSoup獲取所有data-js屬性值。

輸入：

<p data-js="1, 2, 3">some text..</p><p data-js="5">some 1 text</p><p data-js="4"> some 2 text. </p> 

輸出：

['1, 2, 3', '5', '4'] 

我和LXML做到了：

>>> content = """<p data-js="1, 2, 3">some text..</p><p data-js="5">some 1 text</p><p data-js="4"> some 2 text. </p>""" 
>>> import lxml.html as PARSER 
>>> root = PARSER.fromstring(content) 
>>> root.xpath("//*/@data-js") 
['1, 2, 3', '5', '4'] 

我想通過BeautifulSoup上述結果。

Answer 1

這個想法是找到具有所有元素data-jsattributes並收集他們的列表：

from bs4 import BeautifulSoup 


data = """ 
<p data-js="1, 2, 3">some text..</p><p data-js="5">some 1 text</p><p data-js="4"> some 2 text. </p> 
""" 

soup = BeautifulSoup(data) 
print [elm['data-js'] for elm in soup.find_all(attrs={"data-js": True})] 

打印['1, 2, 3', '5', '4']。

Answer 2

您可以使用find_all（）來實現此功能，但必須將屬性名稱放在字典中，因爲它本身不能用作關鍵字參數。

html = BeautifulSoup(content) 
data = html.find_all(attrs={'data-js': True}) 

有關更多說明，請參閱here。

Answer 3

用map可能更快的方法沒有列表理解。

from bs4 import BeautifulSoup 
d = "..." 
# create a soup instance 
soup = BeautifulSoup(d) 
# find all p-elements containing an data-js attribute 
p = soup.find_all('p', attrs={"data-js": True}) 
# unpack data-js attribute from p-elements and map to new list 
print map(lambda x: x['data-js'], p) 

http://www.crummy.com/software/BeautifulSoup/bs4/doc/#find-all