У меня есть элемент HTML с двумя разными классами. но в некоторых случаях у меня есть только один класс. Когда есть два класса, они разделены пробелом.

"rating-inbtn hide-if-zero-113"
 or 
"rating-inbtn"

Как я могу сопоставить оба шаблона в регулярном выражении.

Для справки хочу поставить свой пост поста:

<span class="vote-actions">
    <a class="btn btn-default vote-action-good">
        <span class="icon thumb-up black black-hover">&nbsp;</span>
        <span class="rating-inbtn">215</span>
    </a>
    <a class="btn btn-default vote-action-bad">
        <span class="icon thumb-down grey black-hover">&nbsp;</span>
        <span class="rating-inbtn">82</span>
    </a>
</span>

И я использовал это регулярное выражение, чтобы извлечь рейтинги

a = re.findall('rating-inbtn">(.*?)</span>', webpage)
        like_count = a[0]
        dislike_count = a[1]

Но иногда класс span имеет более одного атрибута «hide-if-zero-113», в таком случае, как мне обработать этот шаблон?

Спасибо

0
coolsaint 7 Июл 2019 в 19:53

3 ответа

Лучший ответ

Это зависит от границ, которые вы хотите добавить в выражение. Например, мы могли бы начать с:

\s*([a-z0-9-]+)(?:\s+)?([a-z0-9-]+)?\s*

Выражение объяснено в верхней правой панели этой демонстрации, если вы хотите изучить подробнее или измените его, и в этой ссылке вы можете посмотреть, как она будет сопоставляться с некоторыми пошаговые примеры ввода, если хотите.


Редактировать:

Для получения этих рейтингов этого выражения может быть достаточно:

rating-inbtn[^>]+>\s*([^\s<]+)\s*<\/

демонстрация

Тест с re.findall

import re

regex = r"rating-inbtn[^>]+>\s*([^\s<]+)\s*<\/"

test_str = ("<span class=\"vote-actions\">\n"
    "    <a class=\"btn btn-default vote-action-good\">\n"
    "        <span class=\"icon thumb-up black black-hover\">&nbsp;</span>\n"
    "        <span class=\"rating-inbtn\">215</span>\n"
    "    </a>\n"
    "    <a class=\"btn btn-default vote-action-bad\">\n"
    "        <span class=\"icon thumb-down grey black-hover\">&nbsp;</span>\n"
    "        <span class=\"rating-inbtn\">82</span>\n"
    "<span class=\"rating-inbtn\"> 74 </span>\n"
    "<span class=\"rating-inbtn hide-if-zero-113\"> 99 </span>\n"
    "    </a>\n"
    "</span>")

print(re.findall(regex, test_str))

Выход

['215', '82', '74', '99']

Тест с re.finditer

import re

regex = r"rating-inbtn[^>]+>\s*([^\s<]+)\s*<\/"

test_str = ("<span class=\"vote-actions\">\n"
    "    <a class=\"btn btn-default vote-action-good\">\n"
    "        <span class=\"icon thumb-up black black-hover\">&nbsp;</span>\n"
    "        <span class=\"rating-inbtn\">215</span>\n"
    "    </a>\n"
    "    <a class=\"btn btn-default vote-action-bad\">\n"
    "        <span class=\"icon thumb-down grey black-hover\">&nbsp;</span>\n"
    "        <span class=\"rating-inbtn\">82</span>\n"
    "<span class=\"rating-inbtn\"> 74 </span>\n"
    "<span class=\"rating-inbtn hide-if-zero-113\"> 99 </span>\n"
    "    </a>\n"
    "</span>")

matches = re.finditer(regex, test_str, re.MULTILINE)

for matchNum, match in enumerate(matches, start=1):

    print ("Match {matchNum} was found at {start}-{end}: {match}".format(matchNum = matchNum, start = match.start(), end = match.end(), match = match.group()))

    for groupNum in range(0, len(match.groups())):
        groupNum = groupNum + 1

        print ("Group {groupNum} found at {start}-{end}: {group}".format(groupNum = groupNum, start = match.start(groupNum), end = match.end(groupNum), group = match.group(groupNum)))
0
Emma 7 Июл 2019 в 18:03

Может быть, я что-то упустил, но вам не нужны регулярные выражения для извлечения чисел из кода:

data = '''<span class="vote-actions">
    <a class="btn btn-default vote-action-good">
        <span class="icon thumb-up black black-hover">&nbsp;</span>
        <span class="rating-inbtn">215</span>
    </a>
    <a class="btn btn-default vote-action-bad">
        <span class="icon thumb-down grey black-hover">&nbsp;</span>
        <span class="rating-inbtn">82</span>
    </a>
</span>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(data, 'lxml')

print([span.text for span in soup.select('span.rating-inbtn')])

Печать :

['215', '82']
2
Andrej Kesely 7 Июл 2019 в 18:14

Я остановлюсь на одном из других ответов. В ваших нижних примерах вы смотрите на два элемента, которые совместно используют один и тот же класс, которого должно быть достаточно для соответствия обоим элементам. В вашем самом верхнем примере показан составной класс (более одного имени класса для элемента), но, опять же, он имеет тот же класс rating-inbtn.

soup.select('.rating-inbtn')

Где "." является селектором класса CSS

Расширяя другие ответы:

В будущем вы можете передавать списки, разделенные символом «,», чтобы они соответствовали нескольким классам (более одного селектора), например

soup.select('.rating-inbtn, .otherClass') 
1
QHarr 7 Июл 2019 в 21:55