BeautifulSoup 文本上的精确正则表达式匹配 [重复]

Question

假设我有以下 HTML：

html = """
<tag1> What I want </tag1>
<tag1> Not What I want - really not </tag1>
<tag1> What I want </tag1>
<tag1> What I
       Want </tag1>
"""

我想提取除第 2 项之外的所有内容 - 让标签完全包含“我想要的”字样，并且没有其他字母数字字符。我尝试将 BeautifulSoup4 的 find_all 与正则表达式过滤器一起使用：

html.find_all(string=re.compile(r"\W*what\W*I\W*want\W*", re.IGNORECASE))

但这会返回上一个示例中的所有标签。我想要一个完全匹配，而不是“包含”。

Answer 1

^ 和 $ 字符可用于标记行的开头和结尾。

用^\W*what\W*I\W*want\W*$ 替换您的正则表达式应该适用于您的情况。