python - BeautifulSoup，使用正则表达式获得比预期更多的回报

Question

使用 BeautifulSoup，我有以下行：

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

但是，它返回的不仅仅是具有“Dimensions”文本的标签，如以下结果所示：

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

我是否以 SOUP 的工作方式错误地使用了正则表达式？

标签： pythonregexbeautifulsoup

Answer 1

该select接口没有text关键字。在我们继续之前，以下假设您使用的是 BeautifulSoup 4.7+。

如果您想按文本过滤，您可以执行以下操作：

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：澄清一下，目前没有办法将正则表达式直接合并到select调用中。您必须在使用正则表达式之后过滤元素。将来可能有一种方法可以通过一些自定义伪类来使用正则表达式，但目前 Soup Sieve 中没有这样的功能（Beautiful Soup 在 4.7+ 中的选择实现）。