Beautiful Soup .find 中文字符
a_string = soup.find(text='围')
soup.find_all('title', limit=1)
# [<title>The Dormouse's story</title>]
soup.find('title')
# <title>The Dormouse's story</title>
有没有办法在使用BeautifulSoup时处理带有中文字符的查找？
我试了很久，似乎无法识别中文字符。英文字符没问题。
我正在使用的网站的来源
<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="gbk" />
2 个回答
1
试试下面的代码：
a_string = soup.find(text=re.compile(u'围', re.U))
换句话说，你要搜索的字符串应该是unicode格式的。虽然不使用 re.compile() 也可能能工作，但至少要确保你的中文字符串是用 u'' 包起来的。
1
当你使用 find(text='something') 时，它会精确地查找包含文本 'something' 的文本节点，其他的内容都不会被找到。
如果你想找包含特定字母的文本，或者匹配其他的规则表达式，你就需要用规则表达式的模式来查找（就像 @Yannis 说的那样）：
soup.find(text=re.compile(u'定'))
注意，re.U 这个标志并不是必须的，因为你并没有改变像 \s 或 \w 这样的特殊字符的行为。如果你确实需要改变这些特殊字符的行为，那你可能就需要使用这个标志。想了解更多关于规则表达式的内容，可以在 这里 查看。