如何在HTML文檔中查找字符串，忽略空格？

我試圖在許多HTML頁面中找到一個字符串「USB 2端口」。問題是這些字符串在它們之前有大量的空白空間 - 有時是4個，20個甚至50個空白字符。如何在HTML文檔中查找字符串，忽略空格？

與我的字符串前一個空格字符以下工作：

soup.find(text=' USB 2 ports')

注意USB之前的空單。

我怎樣才能知道美麗的湯的find()找到我的字符串，而忽略所有前面的空白？

來源

2013-08-21 Ninja2k

你可以定義一個regular expression搜索文本，無論開頭和結尾的空白：

import re 
pattern = re.compile(r'\s*%s\s*' % 'USB 2 ports') 
result = soup.find(text=pattern)

例如：

>>> soup = BeautifulSoup(""" 
... <html> 
... <body> 
...  <ul> 
...  <li> 
...   USB 2 ports 
...  </li> 
...  <li> 
...   Firewire ports 
...  </li> 
...  <li> 
...   HDMI ports 
...  </li> 
...  </ul> 
... </body> 
... </html> 
... """) 
>>> import re 
>>> pattern = re.compile(r'\s*%s\s*' % 'USB 2 ports') 
>>> soup.find(text=pattern) 
u'\n  USB 2 ports\n  '

編輯：我已經改變了上面的代碼明確地將soup.find()的結果賦值給一個變量，希望能夠更清楚地說明發生了什麼。爲了清晰起見，我最初是在示例代碼之後的代碼中對代碼進行了建模，但是現在我懷疑您可能對代碼的實際操作有些困惑。

來源

2013-08-21 20:13:13

出於某種原因，這將返回沒有，我用另一個字符串值嘗試過了，我得到了<_sre.SRE_Pattern對象在0x00000000028C2C50>當我試圖試圖打印模式 – Ninja2k

@ Ninja2k我認爲必須有一些其他的問題，你的代碼，然後;它對我來說是完美的（我上面添加的演示是一個來自Python 2.7.3解釋器的直接複製粘貼）。 –

另外：是的，當你打印'pattern'時，你會得到它，因爲它*是一個正則表達式模式。 'soup.find（text = pattern）'的返回值就是結果。 –

如何在HTML文檔中查找字符串，忽略空格？

回答

相關問題