如何使用find\u All（）用Python将正则表达式应用于BeautifulSoup

Question

所以我试图刮多个网页的网站。 每个页面都有多个</table>标记，ID范围从19到29。每页的表数是随机的

举个例子：

第1页HTML

<table id='table20'>...</table>
<table id='table25'>...</table>

第2页HTML

<table id='table19'>...</table>
<table id='table21'>...</table>
<table id='table29'>...</table>

第3页HTML

<table id='table19'>...</table>
<table id='table20'>...</table>
<table id='table21'>...</table>

。。。。你知道吗

第n页HTML

<table id='table19'>...</table>

我试图将这些表从html页面中分离出来，以便将它们刮去。到目前为止，我能够循环浏览每个页面，但是我编写的正则表达式从每个页面提取表似乎不起作用。请帮帮我。你知道吗

这是我的密码：

tables = soup.find_all('table', id = re.compile('^table\d(19|2[0-9])'))

Answer 1

如果id开始字符串对于感兴趣的表是唯一的，那么您可以不使用attribute=value css selector并以operator开始吗？你知道吗

for table in soup.select('table[id^=table]'):
    #do something with table

Answer 2

可以使用正则表达式'table[12]\d'（regex101）：

data = '''<table id='table19'><tr></tr></table>
<table id='table20'><tr></tr></table>
<table id='table21'><tr></tr></table>

<table id='table40'><tr></tr></table>'''

from bs4 import BeautifulSoup
import re

soup = BeautifulSoup(data, 'html.parser')

for table in soup.find_all('table', {'id':re.compile(r'table[12]\d')}):
    print(table)

印刷品：

<table id="table19"><tr></tr></table>
<table id="table20"><tr></tr></table>
<table id="table21"><tr></tr></table>

编辑：对于表19或20-29，使用非捕获组（regex101）：

for table in soup.find_all('table', {'id':re.compile(r'table(?:19|2\d)')}):
    print(table)