在漂亮的汤标签上使用正则表达式答案

【问题标题】：using regex on beautiful soup tags在漂亮的汤标签上使用正则表达式
【发布时间】：2012-10-12 05:12:49
【问题描述】：

我最近一直在使用美丽的汤 4，我一直在努力理解这方面的一些基础知识（出于某种原因，我对 bs3.x 非常满意）。因此，例如，让我们从做一些简单的事情开始，例如：

data=soup.find_all('h2')

这给我带来了类似的东西：

<h2><a href=\"/accurate-data/210-0023.prd?pageLevel=&amp;skuId=210-0023\">more-accurate-data</a></h2>

这很好。但是当我想对上面的字符串进行正则表达式时，使用一些类似的东西（假设上面存储在“temp”中）：

t=str(re.compile(r"""<h2><a href=\\"/accurate(.*?)\\">""").search(str(temp)).group(1))

我明白了：

AttributeError: 'NoneType' object has no attribute 'group'

我觉得很奇怪 - 因为，当我在 python 解释器上执行时，类似：

k=r"""<h2><a href=\"/accurate-data/210-0023.prd?pageLevel=&amp;skuId=210-0023\">more-accurate-data</a></h2>"""

然后使用上面的正则表达式，一切正常。我想知道为什么 bs4 生成的“标签”类型似乎不可正则表达式。现在我觉得也许我在做一些愚蠢的事情，或者在我不知道的 bs3.x 和 bs4 之间发生了一些变化。对此的任何帮助将不胜感激。谢谢。

【问题讨论】：

您在 BS4 正则表达式中有 <h3> 而在其他任何地方都有 <h2> 是一个错字，对吧？
@PedroRomano 是的，这是一个错字 - 很抱歉 - 我现在已经更正了。
你能显示BS给出的结果的repr吗？
我会用 repr 输出回复你。
@Bakuriu：我已经使用 repr 输出找出了问题所在。这是我的错误——我以前不知道 repr 命令。您能否将其发布为答案，我很乐意接受它作为正确答案。

标签： python regex python-2.7 beautifulsoup

【解决方案1】：

您应该尝试查看字符串的repr：

>>> a=r"""<h2><a href=\"/accurate-data/210-0023.prd?pageLevel=&amp;skuId=210-0023\">more-accurate-data</a></h2>"""
>>> print repr(a)
'<h2><a href=\\"/accurate-data/210-0023.prd?pageLevel=&amp;skuId=210-0023\\">more-accurate-data</a></h2>'

并且正则表达式适用于这种表示：

>>> regex = re.compile(r"""<h2><a href=\\"/accurate(.*?)\\">""")
>>> regex.match(a)
<_sre.SRE_Match object at 0x20fbf30>

问题是美丽汤的结果是不同的，因为你没有打印它的 repr。在处理正则表达式时，最好检查所涉及的字符串的 repr 以避免发生此类情况。

【讨论】：

再次感谢您的精彩提示！