从python中的标签名称中抓取数据

Question

嗨，我正在尝试从网站上抓取用户数据。 我需要在标签名称中可用的用户 ID。我试图在div标签中使用 python selenium 和漂亮的汤来抓取 UID。

例子：

<"div id="UID_**60CE07D6DF5C02A987ED7B076F4154F3**-SRC_328619641" class="memberOverlayLink" onmouseover="ta.trackEventOnPage('Reviews','show_reviewer_info_window','user_name_photo'); ta.call('ta.overlays.Factory.memberOverlayWOffset', event, this, 's3 dg rgba_gry update2012', 0, (new Element(this)).getElement('.avatar')&amp;&amp;(new Element(this)).getElement('.avatar').getStyle('border-radius')=='100%'?-10:0);">

我试图在 div 标签中使用 python selenium 和漂亮的汤来抓取 UID。 我浏览了所有文档和几个网页，但找不到解决方案。 如果有人可以请告诉我这样的事情是否可能，我将不胜感激。

Answer 1

假设id属性值始终采用UID_后跟一个或多个字母数字字符后跟-SRC_后跟一个或多个数字的格式：

import re
from bs4 import BeautifulSoup

soup = BeautifulSoup(html)

pattern = re.compile(r"UID_(\w+)\-SRC_\d+")
id = soup.find("div", id=pattern)["id"]

uid = pattern.match(id).group(1)
print(uid)

这里我们使用BeautifulSoup并搜索id属性值以匹配特定的正则表达式。 它包含一个保存组(\\w+) ，可帮助我们提取 UID 值。

Answer 2

您可以使用.get方法并轻松抓取标签名称，

在你的问题中；

soup.get('id')

当然，如果存在很多id标签，您需要在使用.get之前使用find或find_all方法使用更具体的标签