如何从 BeautifulSoup4 中的 html 标签中找到特定的数据属性？

Posted 2023-02-23

【中文标题】如何从 BeautifulSoup4 中的 html 标签中找到特定的数据属性？

【英文标题】：How find specific data attribute from html tag in BeautifulSoup4?

【发布时间】：2014-08-03 13:50:10

【问题描述】：

有没有办法只使用 html 中的 data 属性找到一个元素，然后获取该值？

例如，在 html 文档中使用这一行：

<ul data-bin="Sdafdo39">

如何通过在整个 html 文档中搜索具有 data-bin 属性的元素来检索 Sdafdo39？

【参考方案1】：

更准确一点

[item['data-bin'] for item in bs.find_all('ul', attrs='data-bin' : True)]

这样，迭代列表中只有 ul 元素具有您要查找的 attr

from bs4 import BeautifulSoup
bs = BeautifulSoup(html_doc)
html_doc = """<ul class="foo">foo</ul><ul data-bin="Sdafdo39">"""
[item['data-bin'] for item in bs.find_all('ul', attrs='data-bin' : True)]

【参考方案2】：

您可以使用find_all 方法获取所有标签，并根据在其属性中找到的“data-bin”进行过滤，我们将得到实际的标签。那么我们就可以简单的提取出对应的值，像这样

from bs4 import BeautifulSoup
html_doc = """<ul data-bin="Sdafdo39">"""
bs = BeautifulSoup(html_doc)
print [item["data-bin"] for item in bs.find_all() if "data-bin" in item.attrs]
# ['Sdafdo39']

【参考方案3】：

您可以使用gazpacho 解决这个问题，只需几行代码：

首先，导入html并将其转成Soup对象：

from gazpacho import Soup

html = """<ul data-bin="Sdafdo39">"""
soup = Soup(html)

然后你可以只搜索“ul”标签并提取href属性：

soup.find("ul").attrs["data-bin"]
# Sdafdo39