Python regulären Ausdruck für schöne Suppe

Question

Ich benutze schöne Suppe, um bestimmte div-Tags herausziehen, und es scheint, dass ich einfache String-Matching nicht verwenden kann.

Die Seite hat einige Tags in Form von

<div class="comment form new"...> 

, die ich ignoriert werden sollen, und auch einige Tags in Form von

<div class="comment comment-xxxx..."> 

wo die x eine ganze Zahl von beliebiger Länge darstellen , und die Ellipsen stellen eine willkürliche Anzahl anderer Werte dar, die durch Leerräume getrennt sind (was mir nicht wichtig ist). Ich kann den korrekten Regex-Ausdruck nicht herausfinden, zumal ich Pythons re-Klasse nie benutzt habe.

Mit

soup.find_all(class_="comment") 

findet alle Tags mit dem Wort Kommentar zu starten. Ich habe versucht,

soup.find_all(class_=re.compile(r'(comment)()(comment)')) 
soup.find_all(class_=re.compile(r'comment comment.*')) 

und viele andere Variationen, aber ich glaube, ich bin etwas offensichtlich hier, wie Regex Ausdrücke oder match() Arbeit fehlt. Kann mir jemand helfen?

Answer 1

Ich glaube, ich habe es:

>>> [div['class'] for div in soup.find_all('div')] 
[['comment', 'form', 'new'], ['comment', 'comment-xxxx...']] 

Beachten Sie, dass im Gegensatz zu dem entsprechenden Betrag in BS3, es ist nicht so:

['comment form new', 'comment comment-xxxx...'] 

Und das ist, warum Ihr regexps nicht übereinstimmen.

Aber man kann passen, zum Beispiel diese:

>>> soup.find_all('div', class_=re.compile('comment-')) 
[<div class="comment comment-xxxx..."></div>] 

Beachten Sie, dass BS tut das Äquivalent von re.search, nicht re.match, so dass Sie nicht 'comment-.*' brauchen. Wenn Sie natürlich 'comment-12345' aber nicht 'comment-of-another-kind entsprechen möchten, möchten Sie z. B. 'comment-\d+'.