访问 BeautifulSoup 中的属性时出现问题

Question

我在使用 Python (2.7) 时遇到问题。代码基本上包括：

str = '<el at="some">ABC</el><el>DEF</el>'
z = BeautifulStoneSoup(str)

for x in z.findAll('el'):
    # if 'at' in x:
    # if hasattr(x, 'at'):
        print x['at']   
    else:
        print 'nothing'

我希望第一个 if 语句能够正常工作（即：如果 at 不存在，则打印 "nothing" ），但它总是不打印任何内容（即：始终为False）。另一方面，第二个 if 始终为 True，这将导致代码在尝试访问 at< 时引发 KeyError /code> 来自第二个 元素，这当然不存在。

Answer 1

in 运算符用于序列和映射类型，是什么让您认为 BeautifulSoup 返回的对象应该正确实现它？根据 BeautifulSoup 文档，您应该使用 [] 语法访问属性。

关于hasattr，我认为您混淆了 HTML/XML 属性和 Python 对象属性。 hasattr 适用于后者，并且 BeaitufulSoup AFAIK 不会反映它在自己的对象属性中解析的 HTML/XML 属性。

PS 请注意，BeautifulSoup 中的 Tag 对象 确实 实现了 __contains__ - 所以也许您正在尝试使用错误的对象？您能展示一个完整但最小的示例来说明该问题吗？

---

运行这个：

from BeautifulSoup import BeautifulSoup

str = '<el at="some">ABC</el><el>DEF</el>'
z = BeautifulSoup(str)

for x in z.findAll('el'):
    print type(x)
    print x['at']

我得到：

<class 'BeautifulSoup.Tag'>
some
<class 'BeautifulSoup.Tag'>
Traceback (most recent call last):
  File "soup4.py", line 8, in <module>
    print x['at']
  File "C:\Python26\lib\site-packages\BeautifulSoup.py", line 601, in __getitem__
    return self._getAttrMap()[key]
KeyError: 'at'

这就是我所期望的。第一个 el 有一个 at 属性，第二个没有 - 这会抛出一个 KeyError。

---

更新 2：BeautifulSoup.Tag.__contains__ 查看标签的内容，而不是其属性。要检查属性是否存在，请使用 in。

Answer 2

如果您的代码与您提供的一样简单，您可以通过以下方式以紧凑的方式解决它：

for x in z.findAll('el'):
    print x.get('at', 'nothing')

Answer 3

要仅按标签名称扫描元素，pyparsing 解决方案可能更具可读性（并且不使用已弃用的 API，如 has_key）：

from pyparsing import makeXMLTags

# makeXMLTags creates a pyparsing expression that matches tags with
# variations in whitespace, attributes, etc.
el,elEnd = makeXMLTags('el')

# scan the input text and work with elTags
for elTag, tagstart, tagend in el.scanString(xmltext):
    if elTag.at:
        print elTag.at

为了进行额外的改进，pyparsing 允许您定义过滤解析操作，以便仅当找到特定属性值（或属性任意值）时，标签才会匹配：

# import parse action that will filter by attribute
from pyparsing import withAttribute

# only match el tags having the 'at' attribute, with any value
el.setParseAction(withAttribute(at=withAttribute.ANY_VALUE))

# now loop again, but no need to test for presence of 'at'
# attribute - there will be no match if 'at' is not present
for elTag, tagstart, tagend in el.scanString(xmltext):
    print elTag.at

Answer 4

我通常使用 get() 方法来访问属性

link = soup.find('a')
href = link.get('href')
name = link.get('name')

if name:
    print 'anchor'
if href:
    print 'link'