如何用BeautifulSoup匹配含部分值的data属性元素

你之前用"Subscribers"*的写法不符合BeautifulSoup的语法规则，以下是几种正确的实现方式：

方法1：正则表达式匹配 #

借助re模块，用正则匹配包含"Subscribers"的data-title属性值：

import re
from bs4 import BeautifulSoup

# 替换为你的实际HTML内容
html = '<div data-title="Subscribers: 4,471"></div>'
soup = BeautifulSoup(html, "html.parser")

# 匹配所有data-title包含Subscribers的div
target_divs = soup.find_all("div", {"data-title": re.compile(r"Subscribers")})

方法2：Lambda表达式筛选 #

通过lambda表达式检查元素是否有data-title属性，且属性值包含目标字符串：

from bs4 import BeautifulSoup

html = '<div data-title="Subscribers: 4,471"></div>'
soup = BeautifulSoup(html, "html.parser")

target_divs = soup.find_all(
    "div", 
    lambda tag: tag.has_attr("data-title") and "Subscribers" in tag["data-title"]
)

方法3：CSS选择器（推荐） #

使用CSS选择器的*=语法，表示属性值包含指定字符串，写法更简洁：

from bs4 import BeautifulSoup

html = '<div data-title="Subscribers: 4,471"></div>'
soup = BeautifulSoup(html, "html.parser")

target_divs = soup.select('div[data-title*="Subscribers"]')

额外：提取订阅者数值 #

如果需要从匹配到的元素中提取具体的订阅者数量，可以这样处理：

if target_divs:
    title_text = target_divs[0]["data-title"]
    # 分割出数值部分，清理格式后转成整数
    subscriber_count = int(title_text.split(":")[1].strip().replace(",", ""))
    print(subscriber_count)  # 输出：4471

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