搜索正则表达式时忽略子节点
发布于2020-02-28 15:15 阅读(1223) 评论(0) 点赞(1) 收藏(2)
我想使用BeautifulSoup在大型文本文档中标识一个拆分点。因此，我制定了一个正则表达式来查找其中出现特定字符串的Tag。问题是，如果我正在搜索的字符串中还有其他格式/子节点，则它不起作用。
t1 = BeautifulSoup("<p class=\"p p8\"><strong>Question-And-Answer</strong></p>")
t2 = BeautifulSoup("<p class=\"p p8\"><strong>Question</strong>-<strong>And</strong>-<strong>Answer</strong></p>")
t1.find(text = re.compile("Question[s]*-And-Answer[s]*", re.IGNORECASE))
>>> 'Question-And-Answer'
t2.find(text = re.compile("Question[s]*-And-Answer[s]*", re.IGNORECASE))
>>> None输出应该是pTag对象。
解决方案
您在这里遇到的问题是，您要查找的文本strong在p节点内被标签分开，因此使用text 参数in 进行正则表达式搜索.find无效，这只是在BS中实现的方式。
如果您知道文本在pnodes中，则可以在.find调用中使用lambda表达式，并对text每个p标记的属性运行正则表达式搜索以查找所需的元素：
print(t2.find(lambda t: t.name == "p" and re.search(r'Questions*-And-Answers*', t.text)))
# => <p class="p p8"><strong>Question</strong>-<strong>And</strong>-<strong>Answer</strong></p>请注意，[s]这与s正则表达式中的相同。
所属网站分类: 技术文章 > 问答
作者：黑洞官方问答小能手
链接：https://www.pythonheidong.com/blog/article/236184/0e0fa8757643bbf372f7/
来源：python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容：(最多支持255个字符)
---无人问津也好，技不如人也罢，你都要试着安静下来，去做自己该做的事，而不是让内心的烦躁、焦虑，坏掉你本来就不多的热情和定力