Question

可以从here

下载html文件

soup = BeautifulSoup(open(r"test.html"),from_encoding="ascii")
In [43]:soup.find_all("span")
Out[43]:
    [<span style="position:absolute; border: gray 1px solid; left:0px; top:50px; width:648px; height:783px;"></span>,
     <span style="font-family: LJOGFN+HelveticaNeueLTStd-Bd; font-size:7px">S
     <br/></span>,
     <span style="font-family: LJOGFN+HelveticaNeueLTStd-Bd; font-size:7px">T
     <br/></span>,
     <span style="font-family: LJOGFN+HelveticaNeueLTStd-Bd; font-size:8px">N
     <br/></span>,
     <span style="font-family: LJOGFN+HelveticaNeueLTStd-Bd; font-size:7px">E
     <br/></span>,
     <span style="font-family: LJOGFN+HelveticaNeueLTStd-Bd; font-size:7px">T
     <br/></span>,
     <span style="font-family: LJOGFN+HelveticaNeueLTStd-Bd; font-size:8px">N
     <br/></span>]

 In [44]:soup.find_all("span", text = re.compile("T"))
 Out[44]:[]

为什么它会返回空列表？这与编码有关吗？

更新：以下代码有效：

In [87]: 
def aa(tag):
    return tag.name == "span" and re.match("T", tag.text)
In [88]:soup.find_all(aa)[0]

这是怎么回事？

Answer 1

根据文档（http://www.crummy.com/software/BeautifulSoup/bs4/doc/#the-text-argument），您的代码应该有效。您应该提交错误报告。

编辑：看起来此问题是由<br>元素中的<span>标记引起的。这绝对是一个错误。

要解决这个问题，请使用lambda，这样您就不需要定义函数了：

soup.find_all(lambda tag: tag.name == "span" and re.match("T", tag.text))

BeautifulSoup使用find_all返回空（“span”，text = re.compile（“T”））

1 个答案: