BeautifulSoup .select（）方法是否支持使用正则表达式？

Question

假设我想使用BeautifulSoup解析HTML，并且想使用CSS选择器来查找特定标签。我会这样做

from bs4 import BeautifulSoup
soup = BeautifulSoup(html)

如果我想找到一个标签，其“ id”属性的值为“ abc”，我可以这样做

soup.select('#abc')

如果我想在当前标签下找到所有“ a”子标签，我们可以

soup.select('#abc a')

但是现在，假设我想找到所有“ href”属性的值都以“ xyz”结尾的“ a”标签，为此，我想使用正则表达式，我希望

soup.select('#abc a[href] = re.compile(r"xyz$")')

我似乎找不到任何内容表明BeautifulSoup的.select（）方法将支持正则表达式。

Answer 1

该soup.select()功能仅支持CSS语法；正则表达式不是其中的一部分。

您可以使用以下语法来匹配以文本结尾的属性：

soup.select('#abc a[href$="xyz"]')

请参阅MSDN上的CSS属性选择器文档。

您始终可以使用CSS选择器的结果来继续搜索：

for element in soup.select('#abc'):
    child_elements = element.find_all(href=re.compile('^http://example.com/\d+.html'))

请注意，如element.select()文档所述：

对于了解CSS选择器语法的用户来说，这是一个方便。您可以使用Beautiful Soup API来完成所有这些工作。而且，如果您只需要CSS选择器，那么不妨直接使用lxml：它快得多，并且支持更多CSS选择器。但这使您可以将简单的CSS选择器与Beautiful Soup API结合使用。

强调我的。