美味しいスープのためのPython正規表現

Question

私は美しいスープを使って特定のdivタグを取り出していますが、それは私が 単純な文字列のマッチングを使うことができないようです。

ページは、Xが任意の長さの整数を表し

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

の形で私は無視する

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

の形でいくつかのタグ、および、いくつかのタグを有しています、楕円は空白で区切られた任意の数の他の値を表します（私が気にしていないもの）。私は 正しい正規表現を理解することはできません。特にPythonのreクラスを使ったことがないからです。

soup.find_all(class_="comment") 

を使用して

はワードコメントで始まるすべてのタグを検索します。私は

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

や他のバリエーションの多くを使用して試してみましたが、私はどのように正規表現式またはマッチ（）の仕事について、ここで何かを明らかに不足していると思います。誰か助けてくれますか？

Answer 1

私はそれを持っていると思う：

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

そして、あなたの正規表現が一致しません理由です：BS3で同等とは異なり、それはこれではない、ということ

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

は注意してください。例えば

しかし、あなたが一致することができ、この：あなたが'comment-.*'を必要としないので、BSは、re.search、ないre.matchの同等を行うこと

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

注意。もちろん、'comment-12345'と一致させたい場合は'comment-of-another-kindでない場合は、たとえば'comment-\d+'とします。