多个网站上的python 2搜索短语，取自列表文件

Question

因此，我在名为“输出”的文件中具有以下链接列表：

https://web.archive.org/web/20180101003616/http://onet.pl
https://web.archive.org/web/20180102000139/http://onet.pl
[...]

如果您从列表中打开第一个链接，然后在Firefox中按“ ctrl + f”，则可以找到短语“ Katastrofa”。

我只想拥有一个脚本，该脚本可以找到一个短语（“ Katastrofa”仅是示例，我想使用argv参数，但这在这里并不重要），打印一些成功消息并继续进行下去...

我被卡住了，不知道该怎么做。 我测试的脚本没有“看到”单词（“ Katastrofa”），这肯定是在第一页上。

请帮忙 ：）

到目前为止，这是我所做的：

f = open('output', 'r')
f2 = f.readlines()
for i in f2:
     r=requests.get(i)
     first_page = r.text
     soup = BeautifulSoup(first_page, 'html.parser')
     page_soup = soup
     fraza = "Katastrofa"
     boxes = page_soup.body.find_all(fraza)
     print(i)
     print(boxes)

输出：

https://web.archive.org/web/20180101003616/http://onet.pl

[]
https://web.archive.org/web/20180102000139/http://onet.pl

[]
https://web.archive.org/web/20180103002217/http://onet.pl

Answer 1

如果要搜索html string包含文本

for i in f2:
    r=requests.get(i)
    fraza = "Katastrofa"
    if re.match(fraza, r.text, re.I) # ignore case
        print(i)

如果要搜索html element包含文本

for i in f2:
    r=requests.get(i)
    soup = BeautifulSoup(r.text, 'html.parser')
    fraza = "Katastrofa"
    boxes = soup.find_all(True, text=re.compile(fraza, re.I))
    if boxes:
        print(i)
        print(boxes)

结果是最后一个子元素的列表：

https://web.archive.org/web/20180101003616/http://onet.pl
[<span class="title"> Kostaryka: Katastrofa lotnicza. Media: są ofiary  </span>, 
<span class="title"> Australia: katastrofa samolotu, są ofiary śmiertelne  </span>]