如何使用美麗的湯來找到更改ID的標籤？

Question

我在Python中使用美麗的湯。

下面是一個例子網址：

http://www.locationary.com/place/en/US/Ohio/Middletown/McDonald%27s-p1013254580.jsp

在HTML，也有標籤一堆，我可以指定找到哪些是自己的ID得到的唯一途徑。我唯一想找到的就是電話號碼。標籤是這樣的：

<td class="dispTxt" id="value_xxx_c_1_f_8_a_134242498">5134231582</td> 

我去了其他的URL在同一網站上，發現幾乎每一個時間的電話號碼標籤相同的ID。始終保持不變的部分是：

'value_xxx_c_1_f_8_a_' 

但是，之後出現的數字總是會發生變化。有沒有一種方法可以告訴美麗的湯尋找部分id並匹配它，讓其他部分像正則表達式那樣可以？

此外，一旦我得到標籤，我想知道...如何提取電話號碼，而不使用正則表達式？我不知道美麗的湯是否可以做到這一點，但它可能比正則表達式更簡單。

Answer 1

您可以使用正則表達式（本例中的標籤名稱匹配，你需要那麼它元素的ID匹配進行調整）：

import re 
for tag in soup.find_all(re.compile("^value_xxx_c_1_f_8_a_")): 
    print(tag.name) 

Answer 2

知道你的文檔

http://www.crummy.com/software/BeautifulSoup/bs3/documentation.html

soup.findAll(id=re.compile("para$")) 
# [<p id="firstpara" align="center">This is paragraph <b>one</b>.</p>, 
# <p id="secondpara" align="blah">This is paragraph <b>two</b>.</p>] 

Answer 3

您可以在這裏使用CSS Selectors來匹配屬性值前綴：

soup.select('div[id^="value_xxx_c_1_f_8_a_"]') 

這將只匹配<div>代碼與一個id屬性以字符串value_xxx_c_1_f_8_a_開始。

如果你願意切換到lxml相反，您可以使用XPath 1.0表達式來查找這些：

from lxml import etree 
doc = etree.parse(openfile) 
for elem in doc.xpath('//div[starts-with(@id, "value_xxx_c_1_f_8_a_")]'): 
    print elem.text 

使用一個LXML XPath表達式將是一個數量級比使用BeautifulSoup定期更快表達匹配。

Answer 4

要獲得電話號碼，您可以使用.text屬性。

tag = soup.find("foo") 
phone_number = tag.text