如何使用Beautiful Soup检查p标签中是否存在电子邮件？

Question

我正在使用Beautiful Soup尝试检查div标签中的段落标签中是否有电子邮件地址。我要遍历div列表：

for div in list_of_divs:

每个div所在的位置

<div>
  <p>Hello</p>
  <p>hereIsAnEmail@gmail.com</p>
</div>

在for循环中，我有：

email = div.find(name="p", string=re.compile("^[\w-\.]+@([\w-]+\.)+[\w-]{2,4}$"))

name =“ p”可以正常工作，但是我不确定要为字符串加上什么。任何帮助或指导表示赞赏。

Answer 1

您可以使用

html="""<div>
  <p>Hello</p>
  <p>hereIsAnEmail@gmail.com</p>
</div>"""
soup = BeautifulSoup(html, "html5lib")
list_of_divs = soup.find_all('div')
for div in list_of_divs:
    emails = div.find_all("p", string=re.compile(r"^[\w.-]+@(?:[\w-]+\.)+\w{2,4}$"))
    print([em.text for em in emails])

输出：['hereIsAnEmail@gmail.com']

请注意，^[\w.-]+@(?:[\w-]+\.)+\w{2,4}$的限制很严格，您可能想使用更通用的^\S+@\S+\.\S+$来匹配1+个非空白字符，@，1+个非空白字符字符，.和1个以上的非空白字符。

代码注释：

• 使用div.find_all("p", string=re.compile(r"^[\w.-]+@(?:[\w-]+\.)+\w{2,4}$"))，您将获得当前p元素的所有子div标签，其文本与正则表达式模式完全匹配
• print([em.text for em in emails])仅打印找到的所有p节点中仅包含电子邮件的文本。