6

例如

bs = BeautifulSoup("<html><a>sometext</a></html>")
print bs.find_all("a",text=re.compile(r"some"))

返回[<a>sometext</a>]但当搜索的元素有一个孩子时，即img

bs = BeautifulSoup("<html><a>sometext<img /></a></html>")
print bs.find_all("a",text=re.compile(r"some"))

它返回[]

有没有办法用来find_all匹配后面的例子？

4

1 回答 1

14

您将需要使用混合方法，因为text=当元素具有子元素和文本时会失败。

bs = BeautifulSoup("<html><a>sometext</a></html>")    
reg = re.compile(r'some')
elements = [e for e in bs.find_all('a') if reg.match(e.text)]

背景

当 BeautifulSoup 正在搜索一个元素并且text是一个可调用元素时，它最终会调用：

self._matches(found.string, self.text)

在您给出的两个示例中，该.string方法返回不同的内容：

>>> bs1 = BeautifulSoup("<html><a>sometext</a></html>")
>>> bs1.find('a').string
u'sometext'
>>> bs2 = BeautifulSoup("<html><a>sometext<img /></a></html>")
>>> bs2.find('a').string
>>> print bs2.find('a').string
None

该.string方法如下所示：

@property
def string(self):
    """Convenience property to get the single string within this tag.

    :Return: If this tag has a single string child, return value
     is that string. If this tag has no children, or more than one
     child, return value is None. If this tag has one child tag,
     return value is the 'string' attribute of the child tag,
     recursively.
    """
    if len(self.contents) != 1:
        return None
    child = self.contents[0]
    if isinstance(child, NavigableString):
        return child
    return child.string

如果我们打印出内容，我们可以看到返回的原因None：

>>> print bs1.find('a').contents
[u'sometext']
>>> print bs2.find('a').contents
[u'sometext', <img/>]
于 2013-04-18T18:29:47.410 回答