请教正则匹配问题，同样的正则， BS4 中无法匹配， re 有效。

[a412739861]

原以为 BS 带正则很王道，但是今天边走神边写码，就是没有办法写出匹配如下标签的正则，感觉应该是我哪里写错了。我把两边的代码复制过，但是没有用。

匹配了以后是想要标签的内容，而不是这个标签，所以还是用 BS4 比较合适。所以比较不好绕过，而且这里绕过了，以后还得碰上，索性就想问个明白。

字很多，其实重点就是两串代码为什么 BS4 无法匹配，正则可以匹配。我的猜测什么的都可以不用管……

想要搜索的标签示例：

<td class="bgwhite t-汉字"> 1</td>

标示汉字的位置，会是随机的一个汉字。

BS4 的正则：

        soup.find_all('td', class_=re.compile(r'bgwhite\st-(\w+)+')):

搜索出来为空。

---

re 模块正则：

        result = re.findall(re.compile(r'bgwhite\st-(\w+)+'), str(soup))

能够正确的打出字来。

---

个人的一些实践：

1. 只去掉 BS4 中的 td 标签，仍然为空。
2. re.compile(r'bgwhite\st-(\w+)+')改为 re.compile(r'bgwhite')，能够搜索出，但是因为有其他标签混杂在一起，所以不合适。

• 而且这个我不用正则的直接 class_=xxx 的效果一样。

1. re.compile(r'bgwhite.)不行，这里应该是因为没写个数,随便改一下 re.compile(r'bgwhite.{0,100}')，也就和 2 的情况一样了。但是一旦{0 ， 100}改为{1 ， 100}就又搜不到了。
2. re.compile(r'bgwhite.?')可行，和 2 的情况一样，全部混在一起了。实际上就跟没有这个正则一样

---

猜测：

1. BS4 里的正则大概什么不一样的吗？尤其是对空格的处理。我了解了下，只是说是 match 模式，从开头字符串开始匹配。
2. class 属性无法支持带元字符的正则？ text ， href 我都有使用过带元字符的正则，可行，但是 class_属性不支持？（感觉不太可能难）
3. 我写错了关于空格的正则，但是为什么 RE 模块可以……

[fzinfz]

空格会把 class 分割成 list
soup.td['class'] == ['bgwhite', 't-汉字']

[adv007]

\w 匹配不出汉字

[aristotll]

r#1 @fzinfz bs4 的处理明显是对的 本来就是多个类

[a412739861]

@fzinfz 这个的确没注意，但是搜索的时候，他会出现，只要满足其中一个，他就会显示出来。
如果是要完全匹配，还是需要**bgwhite t-汉字**去搜，

@adv007 可是正则可以匹配，我在其他地方属性里搜索时，用了\w 是可以匹配出汉字的。\w 匹配字母或数字或下划线或汉字。难道我看的资料有误？
@aristotll 嗯嗯，所以我也不找不出什么问题来……

[practicer]

只匹配汉字的话：
soup.find_all('td', class_=re.compile(ur'bgwhite\st-[\u4e00-\u9fff]+'))
在 Unicode 编码中只匹配汉字。 4E00-9FFF 为中文字符编码区

[a412739861]

@practicer python2?
这个实际范围比\w 小，大范围的不行，小范围的也不行吧。
实测也是不行。

[practicer]

@a412739861 我的 py2.7 windows 环境下可行

[a412739861]

@practicer
怎么测……找到一个类似情况的网页，然后用 BS4 去 find_all 里面找么……

[a412739861]

已解决。
@aristotll BS4 对多值的判断好像是只要满足其中一个就会可以，所以搜索还是不太好用。如果这个多值属性是唯一，可以直接拼写，但是如果要在这个里面放正则，好像就立刻不行了。

@adv007 \w 能匹配汉字

@practicer 你测试的是正则而不是多值属性标签吧，正则本身就是可以的

---

我的理解是，如果你用了空格，恐怕就很难搜到一个符合的标签。

解决思路在这。
http://stackoverflow.com/questions/12552211/multiple-values-for-class-attribute
用一个 lambda 匿名函数，对 tag 进行多值属性的判断，在这里可以对每个多值属性进行单独的判断，是否符合正则。

也许还有更简单的解决办法吧……不过直接多值属性放正则似乎是不行的。
python3 ， bs4.4 。