如何编写CSS选择器筛选含指定href且排除特定文本的a标签

需求明确 #

要找的<a>标签得同时满足两个条件：

• href属性里必须有子串 crap（不区分大小写）
• 锚文本里绝对不能有 facebook（不区分大小写）

示例HTML代码 #

<p><strong>xxxxx 520dp:</strong> 
<a class="facebook" href="https://facebook.com/6ZdmW2Cwaq/somecrap1.crap.html">facebook</a> 
– <a href="https://google.com/view/somecrap2.crap">google</a> 
– <a href="https://microsoft.net/file/somecrap3.crap.html">microsoft</a></p>

错误尝试的问题 #

一开始写的选择器 a[href*=crap i] not(a[text*=facebook i]) 有语法错误：

• CSS里的否定逻辑得用伪类 :not()，不能直接写 not()
• BeautifulSoup不支持 text*= 这种文本匹配语法，得用它支持的:contains()

修正后的有效选择器 #

调整后的选择器结合BeautifulSoup解析就能拿到目标标签：

a[href*=crap i]:not(:contains("facebook"))

针对示例里的相邻结构，也可以用兄弟选择器写法：

a[href*=crap i]~:not(a:contains("facebook"))

最终结果 #

解析后得到符合要求的标签列表：

[<a href="https://google.com/view/somecrap2.crap">google</a>, <a href="https://microsoft.net/file/somecrap3.crap.html">microsoft</a>]

内容的提问来源于stack exchange，提问作者Ozooha Ozooha