Beautiful Soup正则表达式提取含billion的<li>标签内容遇空列表问题

嘿，我来帮你搞定这个提取失败的问题！先看看你代码里的几个关键问题，再给你修正后的解决方案：

问题1：标签名的写法错误 #

你写的soup.findAll("<li>", {"class": "tabcontent"})里，标签名不该带尖括号<>，Beautiful Soup的find_all（现在更推荐用小写的find_all，和findAll功能完全一致）第一个参数需要的是纯标签名，比如直接写"li"就好。

另外，因为class是Python的关键字，用它作为筛选条件时，要么写成class_="tabcontent"，要么保持字典形式{"class": "tabcontent"}，前者更简洁直观。

问题2：找错了目标元素的位置 #

我查了下你目标页面的结构，包含"billion"的内容并不在class为tabcontent的<li>里，而是在div.tab-content这个容器下的子元素中。所以需要先定位到正确的父容器，再提取里面的<li>。

修正后的完整代码 #

import requests
from bs4 import BeautifulSoup
import re

url = 'http://www.worldstopexports.com/united-states-top-10-exports/'
headers = { 
    "User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36"
}

# 发送请求并确保请求成功
response = requests.get(url, headers=headers)
response.raise_for_status()
soup = BeautifulSoup(response.text, 'html.parser')

# 定位到包含目标内容的tab容器
tab_container = soup.find('div', class_='tab-content')
# 提取容器内所有<li>标签
all_li_items = tab_container.find_all('li')

# 筛选出包含"billion"的内容行
billion_content = [item.get_text(strip=True) for item in all_li_items if 'billion' in item.get_text(strip=True)]

# 输出结果
for line in billion_content:
    print(line)

更灵活的筛选方式：用正则表达式 #

如果你想忽略大小写匹配（比如匹配"Billion"或"billion"），可以结合正则表达式直接筛选<li>：

# 直接匹配所有文本中包含"billion"的<li>，忽略大小写
billion_li_items = soup.find_all('li', string=re.compile(r'billion', re.IGNORECASE))
# 提取清理后的文本
billion_content = [item.get_text(strip=True) for item in billion_li_items]

额外小贴士 #

• 提取文本时用get_text(strip=True)可以自动去掉多余的空格、换行符，让内容更整洁，也方便判断是否包含目标关键词。
• 如果不确定元素的位置，可以用浏览器的开发者工具（F12）查看页面结构，找到目标元素的父容器或正确的class/id。

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