1

我想提取这样的“档案”键的值：

...
<applet name="bla" code="Any.class" archive="Any.jar">
<param name="abc" value="space='1' archivo='bla.jpg'" </param>
<param name="def" value="space='2' archivo='bli.jpg'" </param>
<param name="jkl" value="space='3' archivo='blu.jpg'" </param>
</applet>
...

我想我需要一个带有 [bla.jpg, bli.jpg, ...] 的列表，所以我尝试以下选项：

inputTag = soup.findAll("param",{'value':'archivo'})

或者

inputTag = soup.findAll(attrs={"value" : "archivo"})

或者

inputTag = soup.findAll("archivo")

我总是得到一个空列表：[]

其他不成功的选择：

inputTag = soup.findAll("param",{"value" : "archivo"}.contents)

我得到类似的东西： dict 对象没有属性内容

inputTag = unicode(getattr(soup.findAll('archivo'), 'string', ''))

我什么都得不到。

最后我看到了：BeautifulSoup 中 attrMap 和 attrs 之间的区别，以及：

for tag in soup.recursiveChildGenerator():
    print tag['archivo']

什么都找不到，它必须是名称、代码或存档键的标记。

最后还有更多：

tag.attrs = [(key,value) for key,value in tag.attrs if key == 'archivo']

但 tag.attrs 什么也没找到

好的，在 jcollado 的帮助下，我可以通过这种方式获取列表：

imageslist = []
patron = re.compile(r"archivo='([\w\./]+)'")
for tag in soup.findAll('param'):
    if patron.search(tag['value']):
        imageslist.append(patron.search(tag['value']).group(1))
4

1 回答 1

1

这里的问题是这archivo不是 的属性param，而是value属性内部的东西。archivo要从中提取value，我建议使用如下正则表达式：

>>> archivo_regex = re.compile(r"archivo='([\w\./]+)'")
>>> [archivo_regex.search(tag['value']).group(1)
... for tag in soup.findAll('param')]
[u'bla.jpg', u'bli.jpg', u'blu.jpg']
于 2012-02-16T12:29:34.610 回答