SoupStrainer有两个论点吗？

Question

一开始只是个问题，但到了一半我就想明白了。我在stackoverflow或Google上找不到这样的问题，所以我会把它贴出来，以帮助任何偶然发现它的人。在

我想使用beauthulsoup的SoupStrainer来解析两个标签，而不是html文档中的一个。在

我知道我能做到：

soup = BeautifulSoup(content.text, 'lxml', parse_only=SoupStrainer('p'))  

这将得到<p>标记。我还想得到<h3>标记。所以我试了一下：

^{pr2}$

但这行不通，因为SoupStrainer只接受一个论点。在

答案如下。在

Answer 1

下面是在bs4中如何定义SoupStrainer的构造函数：

class SoupStrainer(object):
    """Encapsulates a number of ways of matching a markup element (tag or
    text)."""

    def __init__(self, name=None, attrs={}, text=None, **kwargs):

...

因此，添加到@JohnStrood的答案中，您可以使用attrs参数（字典）通过一个或多个属性限制匹配：

^{pr2}$

Answer 2

在regex中有更多的能量。使用re模块。在

This would get the <p> tags. I also wanted to get the <h3> tags.

soup = BeautifulSoup(content.text, 'lxml', parse_only=SoupStrainer(re.compile(r"p|h3")))

@玛蒂恩 对于属性，可以使用attrs。在

^{pr2}$

但显然不能为每个HTML应用class。您可以使用css选择器来解决它。在

soup = BeautifulSoup(content.text, 'lxml', parse_only=SoupStrainer(["h1", "h2", "h3", "p"])).select("h1.foo, h2, h3, p")

Answer 3

要使SoupStrainer解析多个标记，您需要将它们放在列表中。像这样：

soup = BeautifulSoup(content.text, 'lxml', parse_only=SoupStrainer(['h3', 'p']))

这将解析content.text中的<h3>和{}标记，即使它们是同级标记（即一个标记不在另一个标记内）。在

你也可以用两个以上的标签来实现，只要你把它们作为一个列表传递给SoupStrainer。在

一个标签：

^{pr2}$

多个标记：

soup = BeautifulSoup(content.text, 'lxml', parse_only=SoupStrainer(['h1', 'h3', 'p', 'h4']))