bs4 balise insaisissable

Version imprimable

Bonjour,

je ne parviens pas à attraper la valeur d'un attribut.

voici le html simplifié :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
<!DOCTYPE html>
<html>
 <head>
  <meta content="text/html; charset=utf-8" http-equiv="Content-Type"/>
 </head>
 <body>
  <p hidden="hidden">
   <!--
<TITLE>Login</TITLE>
<a href="jpg.html">LIVE JPEG</a><br>
<a href="liveie.html">Internet Monitor (Microsoft Internet Explorer 8, 9, 10, 11) </a><br>
<a href="DVRRemoteAP.exe">Download 32 bits DVR Client (Windows 7, Windows 8, Windows 10)</a><br>
<a href="DVRRemoteAP_X64.exe">Download 64 bits DVR Client (Windows 7, Windows 8, Windows 10)</a><br>
<a href="DVFPlayer.zip">Download 32/64 bits File Player (Windows 7, Windows 8, Windows 10)</a><br>
<\?xml version="1.0" encoding="utf-8"?><base64Binary xmlns="http://micros-hosting.com/EGateway/">
Location: /admin
<meta name="generator" content="vBulletin 5.5.4" />
...
base64Binary</base64Binary>
...
</body></html>

je voudrais la valeur de base64Binary xmlnsje m'y prend ainsi (je mets find_all pour montrer la liste vide)

Code:

1
2
3
4
5
from bs4 import BeautifulSoup as bs
with open('/home/nbah/fichier.html', "r") as f:
    content = f.read()
soup = bs(content,'html.parser')
soup.find_all('base64Binary', attrs={'xmlns'})

et j'obtiens

Code:

[]

Code:

1
2
>>> 'base64Binary' in content
True

est-ce parce ce que la balise est dans un commentaire ? et/ou comment faire ?

07/04/2023, 15h33
papajoker

bonjour

en effet , le plus simple est de supprimer les commentaires (sinon: extraire les commentaires de la balise p puis les re-parser dans soup comme si c'était un autre fichier html)

Code:

content = content.replace("", "")

Puis une recherche css : balise "base64Binary" qui est dans p avec un attribut hidden

Code:

soup.select('p[hidden] base64Binary')

note: soup.select_one() est peut-être plus adéquate ?
07/04/2023, 16h41
N_BaH
je fais d'autres tests

je peux trouver la première balise a sans replace() :
Code:

1 2 >>> soup.find('a') <a href="jpg.html">LIVE JPEG</a>
je peux trouver la balise meta qui suit base64Binary, toujours sans replace() :
Code:

1 2 >>> soup.find('meta',{'name': 'generator'}) <meta content="vBulletin 5.5.4" name="generator"/>
:koi: :koi: :koi:

Désolé, c'est en fait la combinaison des 2 (ne me demande pas pourquoi :oops: je suppose que base64Binary n'est pas un tag valide pour bs4)

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
from bs4 import BeautifulSoup as bs
content="""
<!DOCTYPE html>
<html>
<head><meta content="text/html; charset=utf-8" http-equiv="Content-Type"/></head>
<body>
  <p hidden="hidden">
  <!--
     <a href="jpg.html">LIVE JPEG</a><br>
     <\?xml version="1.0" encoding="utf-8"?><base64Binary xmlns="http://micros-hosting.com/EGateway/">
  -->
  caché
  </p>
  <p>Visible</p>
</body></html>
"""
 
# si comment : ne touve jamais
content = content.replace("<!--","").replace("-->","")
 
soup = bs(content,'html.parser')
x = soup.find('a')
print('a find', x)
 
x = soup.find('base64Binary')
print('64B find', x)   # trouve jamais, comment ou pas
 
x = soup.select_one('base64Binary')
print("64B select", x.attrs)   # trouve uniquement si pas de commentaires

ps: perso j'utilise toujours select() plutôt que find()

Code:

1
2
3
select('p[hidden] base64Binary')
select('base64Binary[xmlns]')
select('base64Binary[xmlns*="micros-hosting"]')

07/04/2023, 17h14
jurassic pork

Hello,
je ne vois pas dans ton fichier la fermeture de la balise base64Binary ?
Ami calmant, J.P
07/04/2023, 17h30
papajoker

tout a fait, on n'a pas non plus de fin de commentaire dans l'exemple original :roll:
mais, même en fermant la balise, seul select() trouve

EDIT: merci jurassic pork en effet soup.find('base64binary') est OK - raison de plus pour moi, de préférer select() :lol:
07/04/2023, 17h34
jurassic pork

sinon tu peux essayer ceci :

Code:

print(soup.base64binary['xmlns'])

BeautifulSoup n'aime pas les majuscules dans les noms de balise.
07/04/2023, 18h06
N_BaH
Citation:

Envoyé par jurassic pork

je ne vois pas dans ton fichier la fermeture de la balise base64Binary ?

elle y est bien dans le fichier, je l'ai ajouté à mon premier message.

Citation:

Envoyé par papajoker

tout a fait, on n'a pas non plus de fin de commentaire dans l'exemple original

elle, par contre je ne l'ai pas trouvée.
la seule fin de commentaire trouvée correspond à un autre commentaire.
Code:

1 2 x = soup.select_one('base64Binary') print("64B select", x.attrs)
ah, c'est le .attrs qui me manquait !
je voyais tout le blabla de la balise, et je ne parvenais pas à voir l'attribut.

merci.