漂亮的汤有没有办法计算html页面中的标签数量

Question

我正在查看在 python 中创建一个字典，其中键是 html 标签名称，值是标签出现的次数。有没有办法用漂亮的汤或其他东西来做到这一点？

原文由 gizgok 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

使用 BeautifulSoup，您可以通过省略搜索条件来搜索所有标签：

 # print all tags
for tag in soup.findAll():
    print tag.name # TODO: add/update dict

如果您只对出现的次数感兴趣，BeautifulSoup 可能有点矫枉过正，在这种情况下您可以使用 HTMLParser 代替：

 from HTMLParser import HTMLParser

class print_tags(HTMLParser):
    def handle_starttag(self, tag, attrs):
        print tag # TODO: add/update dict

parser = print_tags()
parser.feed(html)

这将产生相同的输出。

要创建 { 'tag' : count } 的字典，您可以使用 collections.defaultdict ：

 from collections import defaultdict

occurrences = defaultdict(int)
# ...
occurrences[tag_name] += 1

原文由 Anonymous Coward 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

BeautifulSoup 非常适合 HTML 解析，您当然可以将它用于此目的。这将非常简单：

 from bs4 import BeautifulSoup as BS

def num_apperances_of_tag(tag_name, html):
    soup = BS(html)
    return len(soup.find_all(tag_name))

原文由 jdotjdot 发布，翻译遵循 CC BY-SA 3.0 许可协议