Python Beautifulsoup标记-查找所有成功但查找失败

我遇到一个问题，特定标记h2的soup.find_all成功，但soup.find指定文本失败

我需要找到h2标签与各种文字，如介绍，结果等，如所附图片所示

谁能给点建议吗？多谢各位

print(soup.find_all('h2'))
[<h2 class="Heading">Abstract</h2>, 
<h2 class="Heading" data-role="collapsible-handle" tabindex="-1">Introduction<span class="section-icon"></span></h2>, 
<h2 class="Heading" data-role="collapsible-handle" tabindex="-1">Patients and methods<span class="section-icon"></span></h2>, 
<h2 class="Heading" data-role="collapsible-handle" tabindex="-1">Results<span class="section-icon"></span></h2>, 
<h2 class="Heading" data-role="collapsible-handle" tabindex="-1">Discussion<span class="section-icon"></span></h2>, 
<h2 class="Heading" data-role="collapsible-handle" id="copyrightInformation" tabindex="-1">Copyright information<span class="section-icon"></span></h2>, 
<h2 class="Heading" data-role="collapsible-handle" id="aboutarticle" tabindex="-1">About this article<span class="section-icon"></span></h2>, 
<h2 class="u-isVisuallyHidden">Article actions</h2>, <h2 class="u-h4 u-jsIsVisuallyHidden">Article contents</h2>, 
<h2 class="u-isVisuallyHidden">Cookies</h2>]

print(soup.find('h2', text='Introduction'))
None

print（soup.find_all（'h2'））
[摘要，
介绍
患者和方法，
结果，
讨论，
版权信息，
关于这篇文章,，
条款行动、条款内容、，
饼干]
打印（soup.find（'h2'，text='Introduction'））
没有一个

试试这个：

soup.find(lambda el: el.name == "h2" and "Introduction" in el.text)

试试这个：

soup.find(lambda el: el.name == "h2" and "Introduction" in el.text)

---

text='Introduction'

搜索

可导航字符串

，而不是

标记

从文档中：

text是一个参数，用于搜索NavigableString对象 而不是标签

你应该试试：

print(soup.find(text='Introduction').parent)

---

text='Introduction'

搜索

可导航字符串

，而不是

标记

从文档中：

text是一个参数，用于搜索NavigableString对象 而不是标签

你应该试试：

print(soup.find(text='Introduction').parent)

---

当我们使用

text/string

作为过滤器时，引擎盖下发生的事情是我们使用

tag.string

获取文本并与过滤器进行比较，在这种情况下：

import bs4

html = '''<h2 class="Heading" data-role="collapsible-handle" tabindex="-1">Introduction<span class="section-icon"></span></h2>'''
soup = bs4.BeautifulSoup(html,'lxml')
print(soup.h2.string)

为什么字符串返回

None

：

如果标签包含多个内容，那么不清楚是什么 .string应引用，因此.string定义为无：

h2

标记包含带有空文本的

span

标记，它很混乱，将返回

None

@Thomas Lehoux的答案是正确的方法

这是BS3 API：

findNextSiblings(name, attrs, text, limit, **kwargs)

这是BS4 API：

find_next_siblings(name, attrs, string, limit, **kwargs)

您会注意到，旧的使用

文本

，当前的使用

字符串

，但它们都一样，都使用

标记。字符串

来获取值，您可以同时使用它们。BS4只是采用了旧的格式，仅此而已

我在两个版本中都找不到任何

tag.text

API，但它的行为类似于

tag.get_text（）

，它将标记下的所有文本连接起来

就你而言：

soup.h2.string    >>>  None
soup.h2.text      >>>  Introduction
soup.h2.get_text()>>>  Introduction

简言之：

text in filter is tag.string
text in tag itself is tag.text

---

我认为您在实践中使用了

find（string=''）

，这样比较容易混淆

当我们使用

text/string

作为过滤器时，引擎盖下发生的事情是我们使用

tag.string

获取文本并与过滤器进行比较，在这种情况下：

import bs4

html = '''<h2 class="Heading" data-role="collapsible-handle" tabindex="-1">Introduction<span class="section-icon"></span></h2>'''
soup = bs4.BeautifulSoup(html,'lxml')
print(soup.h2.string)

为什么字符串返回

None

：

如果标签包含多个内容，那么不清楚是什么 .string应引用，因此.string定义为无：

h2

标记包含带有空文本的

span

标记，它很混乱，将返回

None

@Thomas Lehoux的答案是正确的方法

这是BS3 API：

findNextSiblings(name, attrs, text, limit, **kwargs)

这是BS4 API：

find_next_siblings(name, attrs, string, limit, **kwargs)

您会注意到，旧的使用

文本

，当前的使用

字符串

，但它们都一样，都使用

标记。字符串

来获取值，您可以同时使用它们。BS4只是采用了旧的格式，仅此而已

我在两个版本中都找不到任何

tag.text

API，但它的行为类似于

tag.get_text（）

，它将标记下的所有文本连接起来

就你而言：

soup.h2.string    >>>  None
soup.h2.text      >>>  Introduction
soup.h2.get_text()>>>  Introduction

简言之：

text in filter is tag.string
text in tag itself is tag.text

---

我认为您在实践中使用了

find（string=''）

，这样比较容易混淆

请显示您用作输入的HTML文档。谢谢更多帮助：。请显示用作输入的HTML文档。谢谢更多帮助：“

span

中的“简介”文本可以位于任何标记中。OP没有尝试使用

text='Introduction'

搜索标记，您一定误解了问题。关于Navigablesting，您是对的，但在这种情况下，它是

无的

，因为

h2

标记包含另一个标记“简介”文本可以在任何标签中（例如在

span

中）。OP没有试图搜索带有

text='Introduction'

的标记，你一定误解了这个问题。关于Navigablesting，你是对的，但在这种情况下，它是

None

，因为

h2

标记包含另一个标记谢谢。我没有意识到它会被span标记混淆。是的，我认为@Thomas Lehoux的approach很接近。但是我想要h2标记，其中字符串纯粹是“简介”。除了添加正则表达式来剥离span标记外，还有其他方法吗？@Michael Lam

soup.find（lambda el:el.name==“h2”和el.text==“简介”）.text

，因为span标记的文本为空，text将返回h2标记的确切字符串。为什么使用text==“Introduction”传入lambda函数与使用.find（“h2”，text=“Introduction”）的工作方式不同？谢谢。我没有意识到它会被span标记弄糊涂。是的，我认为@Thomas Lehoux的方法很接近。但是我想要h2标记，其中字符串纯粹是“简介”。除了添加正则表达式来剥离span标记外，还有其他方法吗？@Michael Lam

soup.find（lambda el:el.name==“h2”和el.text==“简介”）.text

，因为span标记的文本为空，text将返回h2标记的确切字符串。为什么使用text==“Introduction”传入lambda函数与使用.find（“h2”，text=“Introduction”）的工作方式不同？谢谢。但是，我还需要h2标记为纯“Introduction”，而不匹配其他字符串，例如“文档简介“例如，除了添加正则表达式来去除span标记外，还有其他方法吗？

soup.find（lambda el:el.name==“h2”和el.text==“简介”）

谢谢。这是一个很好的解决方案。使用text=“简介”时，该方法是如何解决问题的“就像问题中说的，你没有吗？在我看来，两人都在寻找文本变量为“简介”。谢谢。但是，我还需要h2标记完全是“简介”，而不需要它匹配其他字符串，例如“文档简介”。除了向strip th添加正则表达式之外