Python中bs4爬虫处理html标签的问题：如何解析带空格的属性标签？

帖子回复：

这个问题很常见，处理带空格的属性标签（比如 <div class="foo bar">）时，BeautifulSoup 的默认查找方法 find() 或 find_all() 需要特别注意。你不能直接用完整的属性值去匹配，因为 class 属性实际上是一个多值属性，空格分隔了多个值。

核心解决方案是使用CSS选择器，或者对 class 参数进行特殊处理。

下面给你两个最直接、可运行的代码示例：

方法一：使用CSS选择器（推荐） BeautifulSoup 支持 .select() 方法，它使用CSS选择器语法，处理多值 class 非常直观。

from bs4 import BeautifulSoup

html_doc = """
<div class="foo bar">这个div有两个class</div>
<div class="foo">这个只有一个</div>
"""

soup = BeautifulSoup(html_doc, 'html.parser')

# 查找 class 同时包含 "foo" 和 "bar" 的div
# CSS选择器用 . 表示class
results = soup.select('div.foo.bar')
for tag in results:
    print(tag.text)
# 输出：这个div有两个class

# 查找 class 包含 "foo" 的div（无论是否有其他class）
results2 = soup.select('div.foo')
for tag in results2:
    print(tag.text)
# 输出：
# 这个div有两个class
# 这个只有一个

方法二：使用 find_all 并指定 class_ 参数 find_all 的 class_ 参数（注意下划线）可以接收一个字符串、列表或正则表达式。当传入字符串时，它会匹配包含该字符串的class。

from bs4 import BeautifulSoup

html_doc = """
<div class="foo bar">这个div有两个class</div>
<div class="foo">这个只有一个</div>
"""

soup = BeautifulSoup(html_doc, 'html.parser')

# 查找 class 包含 "foo" 的div
tags = soup.find_all('div', class_='foo')
for tag in tags:
    print(tag.text)
# 输出：
# 这个div有两个class
# 这个只有一个

# 如果要精确匹配多个class，可以传入一个列表
tags_exact = soup.find_all('div', class_=['foo', 'bar']) # 这匹配class为 *foo* 或 *bar* 的，不是同时包含！
print("列表匹配:", [t.text for t in tags_exact])

# 要精确匹配同时拥有 "foo" 和 "bar" 的div，用CSS选择器更简单，或者用lambda
tags_exact_all = soup.find_all('div', lambda tag: tag.get('class') == ['foo', 'bar'])
print("精确匹配:", [t.text for t in tags_exact_all])
# 输出：精确匹配: ['这个div有两个class']

总结一下：

• 想匹配包含某个class的标签：直接用 find_all(..., class_='class_name') 或 select('tag.class_name')。
• 想匹配同时包含多个class的标签：用CSS选择器 select('tag.class1.class2') 最省事。
• 记住 tag.get('class') 返回的是一个列表，包含了所有用空格分隔的class值。

一句话建议：用 .select() 的CSS选择器语法来处理带空格的class属性最清晰。

dataSoup.find(‘code’, attrs={‘style’:‘display:none’}).text