BeautifulSoup，使用正则表达式可获得比预期更高的回报

Question

使用BeautifulSoup，我有以下一行：

dimensions = SOUP.select(".specs__title > h4", text=re.compile(r'Dimensions'))

但是，返回的结果不仅仅是这些带有“ Dimensions”文本的标签，如以下结果所示：

[<h4>Dimensions</h4>, <h4>Details</h4>, <h4>Warranty / Certifications</h4>]

我使用SOUP的方式使用正则表达式不正确吗？

Answer 1

select界面没有text关键字。在继续之前，以下假设您使用的是BeautifulSoup 4.7 +。

如果您想按文本进行过滤，则可以执行以下操作：

dimensions = SOUP.select(".specs__title > h4:contains(Dimensions)")

有关:contains()伪类实现的更多信息，请参见：https://facelessuser.github.io/soupsieve/selectors/#:contains。

编辑：为澄清起见，目前尚无办法将正则表达式直接合并到select调用中。使用正则表达式后，您将不得不过滤元素。将来可能会有通过自定义伪类使用正则表达式的方法，但目前Soup Sieve（4.7+中的Beautiful Soup的select实现）没有这种功能。