Question

例如

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

返回[<a>sometext</a>]但是当搜索到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"))

返回[]

有没有办法使用find_all来匹配后面的例子？

Answer 1

您需要使用混合方法，因为当元素具有子元素和文本时，text=将失败。

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搜索元素时，text是可调用的，最终eventually calls：

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

在您给出的两个示例中，.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

.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，我们可以看到为什么会返回None：

>>> print bs1.find('a').contents
[u'sometext']
>>> print bs2.find('a').contents
[u'sometext', <img/>]

Beautifulsoup使用`find_all`逐个文本找到元素，无论它是否有元素

1 个答案:

背景