Select 标签在美丽的汤中有一些指定的文字

Question

在某些 html 页面上，我有一堆看起来像这样的标签：

<a class="country" href="www.google.com" title="Germany">09:18, 9 July 2021</a>

在 BeautifulSoup 中，我只需要 select 那些年份为 2019 年的德国标签（例如，示例标签不适合此处，因为它有 2021 年）。 '

最好的方法是什么？我只是从头开始学习 BS，到目前为止我只能这样做：

germany = germany_soup.find_all(attrs={"title": "Germany"})

然后检查 germany 中的每个标签的 text 属性是否包含 2019.

我的问题：这是解决该问题的传统方法吗？有没有办法以某种方式在 find_all 中指定 '2019'避免 'manual' 检查每个 tag.text 循环中是否有“2019”？

Answer 1

您可以使用 re 模块在所有标签中查找特定文本以提取合适的输出

html="""<a class="country" href="www.google.com" title="Germany">09:18, 9 July 2021</a>
    <a class="country" href="www.google.com" title="Germany">09:18, 9 July 2019</a>
    <a class="country" href="www.google.com" title="Germany">07:11, 9 July 2019</a>
    <a class="country" href="www.google.com" title="Germany">09:18, 9 July 2010</a>
    """


import re
soup=BeautifulSoup(html,"html.parser")
soup.find_all("a",attrs={"title": "Germany"},text=re.compile("2019"))

输出：

[<a class="country" href="www.google.com" title="Germany">09:18, 9 July 2019</a>,
 <a class="country" href="www.google.com" title="Germany">07:11, 9 July 2019</a>]

Select 标签在美丽的汤中有一些指定的文字

Select tags with some specified text in beautiful soup

tags

text

beautifulsoup