如何在BeautifulSoup/CSS选择器中处理正则表达式？

Question

我想找一个方法，使用正则表达式在 BeautifulSoup 中查找可能包含文本 HO # 的元素，这个文本可能会有空格，而且不区分大小写。

check_ho_number3 = soup.select_one('td:-soup-contains("HO #")+ td')
print(check_ho_number3)

我该如何把我现有的正则表达式整合到 soup.select_one() 里呢？

check_regex = re.compile("HO\s?#",re.IGNORECASE)

Answer 1

CSS选择器只支持CSS语法，但你可以通过string属性来根据标签内容进行搜索：

soup.find(string=re.compile(r"HO\s?#",re.IGNORECASE))
soup.find_all(string=re.compile(r"HO\s?#",re.IGNORECASE))

要使用findNextSibling('td')，你需要先回到你找到的对象的parent（父级）位置。

示例

from bs4 import BeautifulSoup
import re

soup = BeautifulSoup('<table><tr><td>HO #</td><td>I am the next sibling</td></tr><tr><td>HO #</td></tr><tr><td>ho#</td><td>I am the next sibling</td></tr></table>')

for e in soup.find_all(string=re.compile(r"HO\s?#",re.IGNORECASE)):
    print(e)
    print(e.parent.findNextSibling('td'))

---

HO #
<td>I am the next sibling</td>
HO #
None
ho#
<td>I am the next sibling</td>