Question

我只是遇到了正则表达式的障碍，并且不知道为什么这不起作用。

以下是BeautifulSoup doc所说的内容：

soup.find_all(class_=re.compile("itl"))
# [<p class="title"><b>The Dormouse's story</b></p>]

这是我的HTML：

<a href="exam.com" title="Keeper: Jay" class="pos_text">Aouate</a></span><span class="pos_text pos3_l_4">

我正在尝试匹配span标记（最后一个位置）。

>>> if soup.find(class_=re.compile("pos_text pos3_l_\d{1}")):
        print "Yes"

# prints nothing - indicating there is no such pattern in the html

所以，我只是重复BS4文档，除了我的正则表达式不起作用。果然，如果我用\d{1}替换4（原来在html中），它就会成功。

Answer 1

在正则表达式中尝试“\\ d”。它可能会将“\ d”解释为试图逃避“d”。

或者，原始字符串应该起作用。只需在正则表达式前放一个'r'，就像这样：

re.compile(r"pos_text pos3_l_\d{1}")

Answer 2

我不完全确定，但这对我有用：

soup.find(attrs={'class':re.compile('pos_text pos3_l_\d{1}')})

Answer 3

您不匹配类，而是匹配特定顺序的特定类组合。

来自documentation：

You can also search for the exact string value of the class attribute:

css_soup.find_all("p", class_="body strikeout")
# [<p class="body strikeout"></p>] But searching for variants of the string value won’t work:

css_soup.find_all("p", class_="strikeout body")
# []

所以你应该对post_text进行可能的拳头匹配，然后在结果中尝试匹配该搜索的匹配中的正则表达式

BeautifulSoup，简单的正则表达式问题

3 个答案: