python - 使用BeautifulSoup提取键的值

我想提取类似这样的“ archivo”键的值：

...
<applet name="bla" code="Any.class" archive="Any.jar">
<param name="abc" value="space='1' archivo='bla.jpg'" </param>
<param name="def" value="space='2' archivo='bli.jpg'" </param>
<param name="jkl" value="space='3' archivo='blu.jpg'" </param>
</applet>
...

我想我需要一个带有[bla.jpg，bli.jpg，...]的列表，所以我尝试以下选项：

inputTag = soup.findAll("param",{'value':'archivo'})

要么

inputTag = soup.findAll(attrs={"value" : "archivo"})

要么

inputTag = soup.findAll("archivo")

总是得到一个空列表：[]

其他不成功的选项：

inputTag = soup.findAll("param",{"value" : "archivo"}.contents)

我得到的是：dict对象没有属性内容

inputTag = unicode(getattr(soup.findAll('archivo'), 'string', ''))

我什么都没有。

终于我看到了：Difference between attrMap and attrs in beautifulSoup，和：

for tag in soup.recursiveChildGenerator():
    print tag['archivo']

一无所获，它必须是名称，代码或存档密钥的标记。

最后是：

tag.attrs = [(key,value) for key,value in tag.attrs if key == 'archivo']

但是tag.attrs什么也没找到



好的，在jcollado的帮助下，我可以通过以下方式获取列表：

imageslist = []
patron = re.compile(r"archivo='([\w\./]+)'")
for tag in soup.findAll('param'):
    if patron.search(tag['value']):
        imageslist.append(patron.search(tag['value']).group(1))

最佳答案

这里的问题是archivo不是param的属性，而是value属性中的某些东西。要从archivo提取value，我建议使用如下正则表达式：

>>> archivo_regex = re.compile(r"archivo='([\w\./]+)'")
>>> [archivo_regex.search(tag['value']).group(1)
... for tag in soup.findAll('param')]
[u'bla.jpg', u'bli.jpg', u'blu.jpg']