python - 使用 BeautifulSoup 排除 findAll 的不需要的结果

Question

使用 BeautifulSoup，我的目标是抓取与这个 HTML 挂钩相关的文本：

<p class="review_comment">

因此，使用如下简单代码，

content = page.read()  
soup = BeautifulSoup(content)  
results = soup.find_all("p", "review_comment")

我很高兴地解析住在这里的文本：

<p class="review_comment">
    This place is terrible!</p>

坏消息是，每 30 次左右soup.find_all得到一个匹配，它也会匹配并抓取一些我真的不想要的东西，这是用户的旧评论，他们已经更新了：

<p class="review_comment">
    It's 1999, and I will always love this place…  
<a href="#" class="show-archived">Read more &raquo;</a></p>

在我试图排除这些旧的重复评论时，我尝试了一个大杂烩。

我一直在尝试更改调用中的参数，以soup.find_all()专门排除出现在<a href="#" class="show-archived">Read more »</a>
我淹没在正则表达式类型匹配的边缘，但没有成功。
我似乎无法利用该class="show-archived"属性。

任何想法将不胜感激。提前致谢。

score 12 · Accepted Answer

这就是你要找的吗？

for p in soup.find_all("p", "review_comment"):
    if p.find(class_='show-archived'):
        continue
    # p is now a wanted p

1 回答 1