可变长度文本后的正则表达式搜索

Question

我需要正则表达式来从以下标签中提取文本：我正在使用 Python & BeautifulSoup

    <h4 style="color:#000000; line-height:20px; font-size:18px; margin-left:22px;
 overflow:auto; content:inherit; padding:10px; font-family:"Book Antiqua", 
Palatino, serif;">THE TEXT TO BE EXTRACTED IS HERE</h4></div><br /></div>

我尝试了以下方法：

stylecontent = 'color:#000000; line-height:20px; font-size:18px; margin-left:22px;
     overflow:auto; content:inherit; padding:10px; font-family:"Book Antiqua", 
    Palatino, serif;'

soup = BeautifulSoup(br.response().read(), "lxml")

scrap_soup = soup.findAll('h4', {'style': stylecontent})

但它并不总是有效，因为网站不断变化 stylecontent。现在我想使用正则表达式：

soup.find_all(re.compile("some_foo_regex")):

我对那个感兴趣some_foo_regex。

谢谢。

Answer 1

您可能会得到所有只有一个属性 style 和

的 h4 标签

h4_tags = soup.find_all('h4', attrs = {'style' : True}) # Get all H4 tags with style attribute
for result in h4_tags:
    if len(result.attrs) == 1:                          # Print if it is the only attribute
        print result.contents                           # Print tag text contents

可变长度文本后的正则表达式搜索

Regex Search after a variable length text

python

regex

beautifulsoup

web-scraping