美丽的汤 - 选择所有具有类的元素，但如果它们还有其他类，也将它们分开或忽略元素

Question

我有以下结构：<div class="alpha"><div class="alpha"><div class="alpha"><div class="alpha betha"><div class="alpha gama"><div class="alpha">我需要获取列表中只有“alpha”作为类的所有元素。在另一个列表中获取所有具有 'alpha' 和 'betha' 的元素。忽略其他组合，如“alpha gama”。我知道我可以获得所有具有类的元素container.findAll('div', {'class': 'alpha'})但是如何区分/忽略 2 和 3。

Answer 1

您可以通过以下方法使用 CSS 选择器.select()：

txt = '''<div class="alpha">1</div>

<div class="alpha">2</div>

<div class="alpha">3</div>

<div class="alpha betha">4</div>

<div class="betha alpha">5</div>

<div class="alpha betha gama">6</div>

<div class="alpha gama">7</div>

<div class="alpha">8</div>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(txt, 'html.parser')

only_alpha = soup.select('[class="alpha"]')

only_alpha_betha = soup.select('.alpha.betha:not(.gama)')

print('Only alpha:', only_alpha)

print('Only alpha and betha:', only_alpha_betha)

印刷：

Only alpha: [<div class="alpha">1</div>, <div class="alpha">2</div>, <div class="alpha">3</div>, <div class="alpha">8</div>]

Only alpha and betha: [<div class="alpha betha">4</div>, <div class="betha alpha">5</div>]

Answer 2

为什么不创建一个辅助函数？

bs4 允许您在使用find_all()a function as filter搜索树时指定。

从文档：

如果其他匹配项都不适合您，请定义一个将元素作为唯一参数的函数。True 如果参数匹配，则函数应返回，False否则返回。

问题是我们不能传递任何其他参数（在这种情况下是有效类的列表）。我们可以通过使用包装函数来动态创建过滤器来克服这个问题。

def create_filter(tag_name, class_list):

    def class_filter(tag):

        return (

            tag.name == tag_name and

            set(tag.get('class', [])) == set(class_list)

        )

    return class_filter

让我们看看这在 @AndrejKesely 的示例 html 上是如何工作的。

仅有的alpha

print(soup.find_all(create_filter('div', ['alpha'])))

输出

[<div class="alpha">1</div>, <div class="alpha">2</div>, <div class="alpha">3</div>, <div class="alpha">8</div>]

只有alpha和betha

print(soup.find_all(create_filter('div', ['alpha', 'betha'])))

输出

[<div class="alpha betha">4</div>, <div class="betha alpha">5</div>]