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

Question

我想创建一个具体的方式，从遗留的HTML中拉出文本。

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

我的问题是，为什么是这样的：

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

回报：

<td>Close Date:</td> 

然而，当我尝试做一些更具体的它没有返回。

​​3210

我想使脚本尽可能具体，以便我可以通过多个网页运行它，而不会出现错误的文本。

Answer 1

在Close和Date之间可能存在非破坏性空间。在这种情况下，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:'))) 

产量

<td>Close Date:</td>