BeautifulSoup4通過文本正則表達式搜索標簽

Question

我有這兩種情況，我想使用正則表達式按標簽的文本搜索標簽。

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

我認為這是行不通的，因為其中實際上包含我的TEXT的標簽。

另外，如何找到僅包含數字的標簽？

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

謝謝

Answer 1

杉木搜索元素，您可以使用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)))

印刷品：

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

對於僅數字，可以利用regexp ^和$常量（請注意，這將僅匹配第一個<p>標記（內部為169 ，而不是第二個內部為ab1234 ）：

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

印刷品：

<p>169</p>