Wie findet man den Kommentar-Tag <!--...--> mit BeautifulSoup?

Question

Ich habe soup.find('!--') versucht, aber es scheint nicht zu funktionieren. Vielen Dank im Voraus.

Edit: Danke für den Tipp, wie man alle Kommentare finden kann. Ich habe eine Folgefrage. Wie kann ich gezielt nach einem Kommentar suchen?

Ich habe zum Beispiel das folgende Kommentar-Tag:

<!-- <span class="titlefont"> <i>Wednesday 110518</i>(05:00PM)<br /></span> -->

Ich will wirklich nur dieses Zeug <i>Wednesday 110518</i> . Die "110518" ist das Datum JJMMTT, das ich als Suchziel verwenden möchte. Ich weiß jedoch nicht, wie ich etwas innerhalb eines bestimmten Kommentar-Tags finden kann.

Answer 1

Sie können alle Kommentare in einem Dokument mit über die findAll Methode. Das folgende Beispiel zeigt, wie Sie genau das tun können, was Sie vorhaben Entfernen von Elementen :

Kurz gesagt, Sie wollen dies:

comments = soup.findAll(text=lambda text:isinstance(text, Comment))

Edit: Wenn Sie versuchen, innerhalb der Spalten zu suchen, können Sie es versuchen:

import re
comments = soup.findAll(text=lambda text:isinstance(text, Comment))
for comment in comments:
  e = re.match(r'<i>([^<]*)</i>', comment.string).group(1)
  print e

Answer 2

Mit Pyparsing können Sie nach HTML-Kommentaren suchen, indem Sie ein eingebautes htmlComment Ausdruck und fügen Parse-Time-Callbacks hinzu, um die verschiedenen Datenfelder innerhalb des Kommentars zu validieren und zu extrahieren:

from pyparsing import makeHTMLTags, oneOf, withAttribute, Word, nums, Group, htmlComment
import calendar

# have pyparsing define tag start/end expressions for the 
# tags we want to look for inside the comments
span,spanEnd = makeHTMLTags("span")
i,iEnd = makeHTMLTags("i")

# only want spans with class=titlefont
span.addParseAction(withAttribute(**{'class':'titlefont'}))

# define what specifically we are looking for in this comment
weekdayname = oneOf(list(calendar.day_name))
integer = Word(nums)
dateExpr = Group(weekdayname("day") + integer("daynum"))
commentBody = '<!--' + span + i + dateExpr("date") + iEnd

# define a parse action to attach to the standard htmlComment expression,
# to extract only what we want (or raise a ParseException in case 
# this is not one of the comments we're looking for)
def grabCommentContents(tokens):
    return commentBody.parseString(tokens[0])
htmlComment.addParseAction(grabCommentContents)

# let's try it
htmlsource = """
want to match this one
<!-- <span class="titlefont"> <i>Wednesday 110518</i>(05:00PM)<br /></span> -->

don't want the next one, wrong span class
<!-- <span class="bodyfont"> <i>Wednesday 110519</i>(05:00PM)<br /></span> -->

not even a span tag!
<!-- some other text with a date in italics <i>Wednesday 110520</i>(05:00PM)<br /></span> -->

another matching comment, on a different day
<!-- <span class="titlefont"> <i>Thursday 110521</i>(05:00PM)<br /></span> -->
"""

for comment in htmlComment.searchString(htmlsource):
    parsedDate = comment.date
    # date info can be accessed like elements in a list
    print parsedDate[0], parsedDate[1]
    # because we named the expressions within the dateExpr Group
    # we can also get at them by name (this is much more robust, and 
    # easier to maintain/update later)
    print parsedDate.day
    print parsedDate.daynum
    print

Drucke:

Wednesday 110518
Wednesday
110518

Thursday 110521
Thursday
110521