属性类的多个值

Question

我正在尝试使用beautifulsoup为来自维基百科的人获取生日。例如，http://en.wikipedia.org/wiki/Ezra_Taft_Benson的生日是1899年8月4日。为了访问bday，我使用以下代码：

bday = url.find("span", class_="bday")

但是，它会选取一个实例，其中bday作为另一个标记的一部分出现在html代码中。i、 e<span class="bday dtstart published updated">1985-11-10 </span>。在

有没有办法只与bday匹配确切的类标记？在

我希望问题是清楚的，因为目前我得到的bday是1985-11-10，这不是正确的日期。在

Answer 1

当BeautifulGroup的所有其他匹配方法都失败时，您可以使用带单个参数（tag）的函数：

>>> url.find(lambda tag: tag.name == 'span' and tag.get('class', []) == ['bday'])
<span class="bday">1899-08-04</span>

上面搜索的是一个span标记，其class属性是单个元素的列表（'bday'）。在

Answer 2

我会这样做的：

import urllib
from BeautifulSoup import BeautifulSoup

url = 'http://en.wikipedia.org/wiki/Ezra_Taft_Benson'
file_pointer = urllib.urlopen(url)
html_object = BeautifulSoup(file_pointer)

bday = html_object('span',{'class':'bday'})[0].contents[0] 

这将返回1899-08-04作为bday的值

Answer 3

尝试将lxml与beautifulsoup解析器一起使用。以下内容只找到<span>标记，其中只有bday类（在本页中只有一个）：

>>> from lxml.html.soupparser import fromstring
>>> root = fromstring(open('Ezra_Taft_Benson'))
>>> span_bday_nodes = root.findall('.//span[@class="bday"]')
[<Element span at 0x1be9290>]
>>> span_bday_node[0].text
'1899-08-04'