美味しいスープを使ってクラス名と内容を取得

Question

美しいスープモジュールを使用して、feeditemcontent cxfeeditemcontentのdivタグのデータを取得するにはどうすればよいですか？それは次のとおりです。

soup.class['feeditemcontent cxfeeditemcontent'] 

か：

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

と、これはPythonのコードです：

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

soup = BeautifulSoup(html_doc) 
class="feeditemcontent cxfeeditemcontent" 

Answer 1

多分それはこの単純なことのためにあまりにも多くのですが、それは動作しますが、これを試してみてください：

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 

Answer 2

soup.find("div", {"class" : "feeditemcontent cxfeeditemcontent"}) 

Answer 3

soup.find_all('class') 

これは、HTMLソースですチェックは、このバグレポート：あなたが見ることができるようにhttps://bugs.launchpad.net/beautifulsoup/+bug/410304

、美しいスープは本当にclass="a b" 2などのクラスaとbを理解することはできません。

しかし、最初のコメントにあるように、単純な正規表現で十分です。あなたの場合：

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

注：これは最近のベータ版で修正されています。私は最近のバージョンのドキュメントを読んでいない、あなたはそれを行うことができるかもしれません。または、古いバージョンを使用して動作させる場合は、上記を使用できます。

Answer 4

美しいスープ4はjadkik94のソリューションを意味し、リストではなく、文字列として「class」属性の値を扱うことができます単純化すること：

​​

Answer 5

from BeautifulSoup import BeautifulSoup 
f = open('a.htm') 
soup = BeautifulSoup(f) 
list = soup.findAll('div', attrs={'id':'abc def'}) 
print list 

Answer 6

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

だから、私はGEにしたい場合これは、BS4 documentationにすでにある

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") 

：何かのようにトンstackoverflow.comからクラスヘッダー<div class="header">のすべてのdivタグは、BeautifulSoupとの例は次のようになります。