¿Usa FindAll de BeautifulSoup para buscar el texto interno del elemento html para obtener el mismo resultado que los atributos de búsqueda?

Por ejemplo, si estoy buscando por el atributo de un elemento como el id:¿Usa FindAll de BeautifulSoup para buscar el texto interno del elemento html para obtener el mismo resultado que los atributos de búsqueda?

soup.findAll('span',{'id':re.compile("^score_")})

le regreso una lista de todo el elemento span que coincide (que me gusta).

Pero si trato de buscar por el innerText del elemento html así:

soup.findAll('a',text = re.compile("discuss|comment"))

le regreso sólo la parte innerText del elemento posterior que coincide en lugar de todo el elemento con etiquetas y atributos como yo haría arriba.

¿Es posible esto que ver con la salida encontrar la combinación y luego conseguir que es el padre?

Gracias.

Fuente

2010-04-05 Jack

Usted no consigue recuperar el texto. Obtiene un NavigableString con el texto. Ese objeto tiene métodos para ir al padre de familia, etc.

from BeautifulSoup import BeautifulSoup 
import re 

soup = BeautifulSoup('<html><p>foo</p></html>') 

r = soup.findAll('p', text=re.compile('foo')) 

print r[0].parent

grabados

<p>foo</p>

Fuente

2010-04-05 19:14:33 nosklo

Súper gracias. Básicamente para obtener lo que quería, simplemente tenía que mapear los resultados, así: comments = map (lambda x: x.parent, soup.findAll ('a', text = re.compile (". Discuss | comment. "))) – Jack

maplambda es feo, por lo que acababa de hacer' [s.parent de s en soup.findAll (...)] ' – nosklo

@Jack: también vale la pena es' lxml.html' - soy prefiriéndolo sobre 'BeautifulSoup' ya que este último ya no se mantiene y es más lento. – nosklo

¿Usa FindAll de BeautifulSoup para buscar el texto interno del elemento html para obtener el mismo resultado que los atributos de búsqueda?

Respuesta

Cuestiones relacionadas