BeautifulSoup4 soup.find（'標記'，text = re.compile（'我的文本'））只有工作有時

Question

我想創建一個具體的方式，從遺留的HTML中拉出文本。

</table> 
<table border="0" cellpadding="0" cellspacing="0"> 
<tr> 
<td>Close Date:</td> 
<td> June 19, 2008</td> 

我的問題是，爲什麼是這樣的：

soup.find('td', text=re.compile('Close')) 

回報：

<td>Close Date:</td> 

然而，當我嘗試做一些更具體的它沒有返回。

​​3210

我想使腳本儘可能具體，以便我可以通過多個網頁運行它，而不會出現錯誤的文本。

Answer 1

在Close和Date之間可能存在非破壞性空間。在這種情況下，你可以使用\s+匹配1或更多的空格：

print(soup.find('td', text=re.compile('Close\s+Date:'))) 

---

例如，

import re 
import bs4 as bs 

content = '''\ 
<table border="0" cellpadding="0" cellspacing="0"> 
<tr> 
<td>Close&nbsp;Date:</td> 
<td> June 19, 2008</td> 
''' 

soup = bs.BeautifulSoup(content, 'lxml') 
print(soup.find('td', text=re.compile('Close\s+Date:'))) 

產量

<td>Close Date:</td>