BeautifulSoup4搜索标签由文本正则表达式

Posted 2021-04-01

我有这两个场景，我想使用正则表达式通过文本搜索标签。

soup = BeautifulSoup("<B><A NAME="toc96446_13"></A>TEXT </B></P>", "html5lib")
soup.find('b', text=re.compile('TEXT'))

我认为这不起作用，因为其中的标签实际上包含我的TEXT。

另外我如何找到仅包含数字的标签？

soup = BeautifulSoup("<p>169</p>", "html5lib")
soup.find('p', text=re.compile(r'[0-9]{1,}'))

谢谢

答案

冷杉搜索元素你可以使用lambda和tag.text：

from bs4 import BeautifulSoup
import re

data = """
<B><A NAME="toc96446_13"></A>TEXT</B></P>
"""
soup = BeautifulSoup(data, 'html5lib')
print(soup.find(lambda t: t.name=='b' and re.search(r'TEXT', t.text)))

打印：

<b><a name="toc96446_13"></a>TEXT</b>

对于只有数字，你可以利用regexp ^和$常数（注意，这将只匹配<p>内部的第一个169标签，而不是ab1234内部的第二个）：

soup = BeautifulSoup("<p>169</p><p>ab1234</p>", 'html5lib')
print(soup.find('p', text=re.compile(r'^d+$')))

打印：

<p>169</p>