python - 在 BeautifulSoup 中查找不同的字符串并返回包含标签

Question

假设我有以下 HTML:

<p>
If everybody minded their own business, the world would go around a great deal faster than it does.
</p>

<p>
Who in the world am I? Ah, that's the great puzzle.
</p>

我希望能够找到包含我要查找的所有关键字的所有标签。例如。 (示例 2 和 3 将不起作用):

>>> len(soup.find_all(text="world"))
2

>>> len(soup.find_all(text="world puzzle"))
1

>>> len(soup.find_all(text="world puzzle book"))
0

我一直在尝试想出一个正则表达式，让我可以搜索所有关键字，但似乎 ANDing 是不可能的(只能是 ORing)。

提前致谢!

Answer 1

进行这种复杂匹配的最简单方法是 write a function that performs the match , 并将函数作为 text 参数的值传入。

def must_contain_all(*strings):                                                 
    def must_contain(markup):                                                   
        return markup is not None and all(s in markup for s in strings)         
    return must_contain

现在你可以得到匹配的字符串:

print soup.find_all(text=must_contain_all("world", "puzzle"))
# [u"\nWho in the world am I? Ah, that's the great puzzle.\n"]

要获取包含字符串的标签，请使用 .parent 运算符:

print [text.parent for text in soup.find_all(text=must_contain_all("world", "puzzle"))]
# [<p>Who in the world am I? Ah, that's the great puzzle.</p>]