如何用BeautifulSoup提取含指定文本及内嵌<b>标签的<p>元素？

问题原因 #

你写的代码返回None，是因为find方法的text参数只会匹配<p>元素的直接文本节点。而你的<p>里，"Hello"是一个文本节点，<b>标签是另一个子节点，两者同级，所以text=re.compile(r"Hello")无法匹配这种包含子标签的<p>元素。

两种精准定位方案 #

由于段落数量多，我们需要避免遍历所有<p>，直接精准匹配目标元素：

方案1：使用CSS选择器

利用CSS的:has()和:contains()伪类，直接筛选包含<b>子元素且指定文本的<p>：

from bs4 import BeautifulSoup

html = "<p>Hello<b>Michael</b></p>"
# 也支持 "<p>Hello<b>Luis</b></p>" 这类变体

soup = BeautifulSoup(html, 'html.parser')

# 定位包含<b>子元素且文本含"Hello"的<p>
target_p = soup.select_one('p:has(b):contains("Hello")')
print(target_p)

• p:has(b)：筛选所有包含<b>子元素的<p>标签
• :contains("Hello")：进一步过滤出文本包含"Hello"的元素

方案2：自定义lambda匹配逻辑

通过lambda函数组合多个匹配条件，灵活控制筛选规则：

from bs4 import BeautifulSoup
import re

html = "<p>Hello<b>Michael</b></p>"
soup = BeautifulSoup(html, 'html.parser')

# 条件：存在<b>子元素 + <p>整体文本包含"Hello"
target_p = soup.find('p', lambda tag: 
    tag.find('b') is not None 
    and re.search(r"Hello", tag.get_text())
)
print(target_p)

如果需要进一步限定<b>内的文本（比如只能是字母组成的名字），可以追加条件：

target_p = soup.find('p', lambda tag: 
    tag.find('b') is not None 
    and re.search(r"Hello", tag.get_text())
    and re.match(r"^[A-Za-z]+$", tag.find('b').get_text())
)

内容的提问来源于stack exchange，提问作者dank