Сопоставление шаблонов регулярных выражений в начале строки с помощью BeautifulSoup

В настоящее время я ищу способ выполнить сопоставление с образцом с помощью регулярного выражения в начале имени класса HTML. Шаблон, который я пытаюсь сопоставить:

"col-xs-.*"

Два примера классов на HTML-странице:

<div class="col-xs-12 col-sm-12 col-lg-12">
<div class="mod-tiles__sizer col-xs-6 col-sm-4 col-lg-3">

Цель состоит в том, чтобы сопоставить только указанное выше имя класса, так как оно фактически начинается с «col-xs-.*», что мне и нужно. Используя мое текущее сопоставление регулярных выражений, я не могу выделить эти имена классов. В настоящее время я пытаюсь сопоставить следующий шаблон регулярного выражения:

regex = re.compile('^col-xs-.*$')
soup.find_all("div", class_ = regex)

К сожалению, этот шаблон также выводит второе имя класса (где «col-xs-.*» появляется в середине, а не только в начале). Надеюсь, у кого-то есть решение этой проблемы.


python-3.x beautifulsoup regex
person Menno Van Dijk    schedule 20.07.2019    source источник
comment
.* совпадает до конца строки. Попробуйте \bcol-xs-\d+\b   -  person The fourth bird    schedule 20.07.2019
comment
@Thefourthbird Ваше решение, к сожалению, не работает. И имеет ли значение, что .* совпадает до конца строки? Все, что мне нужно, это чтобы шаблон появлялся в начале строки, остальное, что происходит после, на самом деле не так важно, я думаю.   -  person Menno Van Dijk    schedule 20.07.2019

Ответы (3)


arrow_upward
2
arrow_downward

Я думаю, вам нужен attribute = value селектор css, начинающийся с ^, чтобы указать строку префикса, которую нужно найти в атрибуте класса.

soup.select('[class^="col-xs-"]')

Пример:

from bs4 import BeautifulSoup as bs

html = '''
<div class="col-xs-12 col-sm-12 col-lg-12">
<div class="mod-tiles__sizer col-xs-6 col-sm-4 col-lg-3">
'''
soup = bs(html, 'lxml')
classes = [' '.join(item['class']) for item in soup.select('[class^="col-xs-"]')]
print(classes)
person QHarr    schedule 20.07.2019

arrow_upward
0
arrow_downward

Я предполагаю, что это выражение, вероятно, может извлечь эти желаемые классы:

import re

regex = r"[\"']\s*(\bcol-xs-[0-9]+\b[^\"']+?)\s*[\"']"

test_str = """

<div class="col-xs-12 col-sm-12 col-lg-12"><div class="  col-xs-12 col-sm-12 col-lg-12  ">
<div class="mod-tiles__sizer col-xs-6 col-sm-4 col-lg-3"><div class="col-xs-12 col-sm-12 col-lg-12">
<div class="mod-tiles__sizer col-xs-6 col-sm-4 col-lg-3">

"""

print(re.findall(regex, test_str, re.MULTILINE | re.IGNORECASE))

Выход

['col-xs-12 col-sm-12 col-lg-12', 'col-xs-12 col-sm-12 col-lg-12', 'col-xs-12 col-sm-12 col-lg-12']

Выражение объясняется на верхней правой панели regex101.com, если вы хотите изучить/ упростите/измените его, а в этой ссылке вы можете посмотреть, как он будет соответствовать некоторому образцу входы, если хотите.

person Emma    schedule 20.07.2019

arrow_upward
0
arrow_downward

Если вы хотите найти их без красивого супера, это способ сделать это.
Все теги div с атрибутом класса, где col-xs- стоит в начале значения:

Включает обрезку пробелов.

r"(?i)<div(?=(?:[^>\"']|\"[^\"]*\"|'[^']*')*?(?<=\s)class\s*=\s*(?:(['\"])\s*(col-xs-(?:(?!\1)[\S\s])*?)\s*\1))\s+(?:\"\S\s]*?\"|'\S\s]*?'|[^>]*?)+>"

https://regex101.com/r/rsXqI9/1

Отформатировано:
Значение класса находится в группе 2.

 (?i)
 < div 
 (?=
      (?: [^>"'] | " [^"]* " | ' [^']* ' )*?
      (?<= \s )
      class \s* = \s* 
      (?:
           ( ['"] )                      # (1)
           \s* 
           (                             # (2 start)
                col-xs-

                (?:
                     (?! \1 )
                     [\S\s] 
                )*?
           )                             # (2 end)
           \s* 
           \1 
      )
 )
 \s+ 
 (?: " \S\s ]*? " | ' \S\s ]*? ' | [^>]*? )+
 >
person Community    schedule 20.07.2019