如何用BeautifulSoup的CSS选择器精准定位特定SqFt元素？

需要从指定页面提取字符串834 - 1540 SqFt，当前使用.content-text:-soup-contains('SqFt')选择器时，会同时匹配到834 - 1540 SqFt和$505 per SqFt两个元素。由于页面字段顺序不固定，无法依赖select_one()取第一个元素，需要精准定位目标元素。

解决方案 #

可以通过正则匹配文本特征实现精准过滤，以下是两种可靠的实现方式：

方法1：先选中候选元素，再用正则筛选（兼容性好） #

先获取所有包含SqFt的元素，再通过正则匹配「数字 - 数字 SqFt」的格式，筛选出目标元素：

import urllib3
import requests
import re
from bs4 import BeautifulSoup

urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)

link = 'https://www.livabl.com/atlanta-ga/j5'

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36',
}

with requests.Session() as s:
    s.headers.update(headers)
    res = s.get(link, verify=False)
    soup = BeautifulSoup(res.text, "lxml")
    try:
        # 获取所有含SqFt的候选元素
        sq_ft_candidates = soup.select(".overview-development-details .content-text:-soup-contains('SqFt')")
        # 正则匹配：数字（可带空格）-数字（可带空格） SqFt
        pattern = re.compile(r'^\d+\s*-\s*\d+\s+SqFt$')
        # 筛选文本符合格式的元素
        sq_ft = [elem for elem in sq_ft_candidates if pattern.match(elem.get_text(strip=True))]
    except AttributeError: 
        sq_ft = []
    print(sq_ft)

方法2：使用:-soup-contains-regex伪类（简洁高效，需BeautifulSoup ≥4.10） #

直接通过CSS伪类结合正则表达式，一步完成精准选择：

import urllib3
import requests
from bs4 import BeautifulSoup

urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)

link = 'https://www.livabl.com/atlanta-ga/j5'

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36',
}

with requests.Session() as s:
    s.headers.update(headers)
    res = s.get(link, verify=False)
    soup = BeautifulSoup(res.text, "lxml")
    try:
        # 用正则伪类直接筛选符合格式的元素
        sq_ft = soup.select(".overview-development-details .content-text:-soup-contains-regex('^\\d+\\s*-\\s*\\d+\\s+SqFt$')")
    except AttributeError: 
        sq_ft = []
    print(sq_ft)

说明 #

• 方法1兼容性更强，无需依赖特定版本的BeautifulSoup；
• 方法2代码更简洁，直接通过选择器完成过滤，执行效率更高。

内容的提问来源于Stack Exchange，提问作者robots.txt