在 BeautifulSoup 中查找所有包含字符串的标签

Question

在 BeautifulSoup 中，我可以使用find_all(string='example')查找与字符串或正则表达式匹配的所有 NavigableString。

有没有办法使用get_text()而不是string来执行此操作，以便搜索匹配一个字符串，即使它跨越多个节点？ 即我想做类似的事情： find_all(get_text()='Python BeautifulSoup') ，这将匹配整个内部字符串内容。

例如，拿这个片段：

<body>
  <div>
    Python
    <br>
    BeautifulSoup
  </div>
</body>

如果我想找到“Python Beautiful Soup”并让它同时返回body和div标签，我该怎么做呢？

Answer 1

您可以将css selectors与伪 class 结合使用:-soup-contains-own()

soup.select_one(':-soup-contains-own("BeautifulSoup")')

或者只获取元素的文本：

soup.select_one(':-soup-contains-own("BeautifulSoup")').get_text(' ', strip=True)

例子

from bs4 import BeautifulSoup

html = '''
<body>
  <div>
    Python
    <br>
    BeautifulSoup
  </div>
</body>
'''
soup = BeautifulSoup(html)

soup.select(':-soup-contains-own("BeautifulSoup")')

Output

[<div>
 Python
 <br/>
 BeautifulSoup
</div>]

Answer 2

您可以在 .find_all 中使用 lambda .find_all ：

from bs4 import BeautifulSoup

html_doc = '''\
<body>
  <div>
    Python
    <br>
    BeautifulSoup
  </div>
</body>'''

soup = BeautifulSoup(html_doc, 'html.parser')

for tag in soup.find_all(lambda tag: 'Python BeautifulSoup' in tag.get_text(strip=True, separator=' ')):
    print(tag.name)

印刷：

body
div