正则表达式在bs4中不工作

Question

我试图从一个特定的文件管理器中提取一些链接watchseriesfree.to网站。在下面的例子中，我想要rapidvideo链接，所以我使用regex过滤掉那些包含rapidvideo文本的标记

import re
import urllib2
from bs4 import BeautifulSoup

def gethtml(link):
    req = urllib2.Request(link, headers={'User-Agent': "Magic Browser"})
    con = urllib2.urlopen(req)
    html = con.read()
    return html


def findLatest():
    url = "https://watchseriesfree.to/serie/Madam-Secretary"
    head = "https://watchseriesfree.to"

    soup = BeautifulSoup(gethtml(url), 'html.parser')
    latep = soup.find("a", title=re.compile('Latest Episode'))

    soup = BeautifulSoup(gethtml(head + latep['href']), 'html.parser')
    firstVod = soup.findAll("tr",text=re.compile('rapidvideo'))

    return firstVod

print(findLatest())

但是，上面的代码返回一个空白列表。我做错什么了？在

Answer 1

问题在于：

firstVod = soup.findAll("tr",text=re.compile('rapidvideo'))

当BeautifulSoup将应用文本regex模式时，它将使用所有匹配的tr元素的^{} attribute值。现在，.string有一个重要的警告-当一个元素有多个子元素时，.string是None：

If a tag contains more than one thing, then it’s not clear what .string should refer to, so .string is defined to be None.

因此，您没有结果。在

您可以通过使用searching function并调用.get_text()来检查tr元素的实际文本：

^{pr2}$