使用BeautifulSoup查找包含特定tex的HTML标记

Question

我正在尝试获取HTML文档中包含以下文本模式的元素：#\S{11}

<h2> this is cool #12345678901 </h2>

因此，前一个将通过使用：

soup('h2',text=re.compile(r' #\S{11}'))

结果是：

[u'blahblah #223409823523', u'thisisinteresting #293845023984']

我能得到所有匹配的文本（见上一行）。但是我希望文本的父元素匹配，所以我可以使用它作为遍历文档树的起点。在这种情况下，我希望所有h2元素都返回，而不是文本匹配。

有什么想法？

Answer 1

from BeautifulSoup import BeautifulSoup
import re

html_text = """
<h2>this is cool #12345678901</h2>
<h2>this is nothing</h2>
<h1>foo #126666678901</h1>
<h2>this is interesting #126666678901</h2>
<h2>this is blah #124445678901</h2>
"""

soup = BeautifulSoup(html_text)


for elem in soup(text=re.compile(r' #\S{11}')):
    print elem.parent

印刷品：

<h2>this is cool #12345678901</h2>
<h2>this is interesting #126666678901</h2>
<h2>this is blah #124445678901</h2>