BeautifulSoup 原生 CSS 选择器不支持正则表达式，但可通过 string 参数配合 re.compile() 实现大小写不敏感、空格灵活的文本匹配，并链式定位相邻元素（如 findNextSibling）。

beautifulsoup 原生 css 选择器不支持正则表达式，但可通过 `string` 参数配合 `re.compile()` 实现大小写不敏感、空格灵活的文本匹配，并链式定位相邻元素（如 `findnextsibling`）。

在使用 BeautifulSoup 进行 HTML 解析时，开发者常希望像 CSS 选择器（如 :contains()）那样根据动态文本内容定位元素。但需明确：soup.select() 和 soup.select_one() 仅支持标准 CSS 语法，不接受正则表达式——例如 td:-soup-contains("HO #") 中的 -soup-contains() 是 BeautifulSoup 的扩展伪类，但它只支持字面量字符串匹配，不支持正则，也无法忽略大小写或处理可选空格。

✅ 正确做法是利用 BeautifulSoup 的 string 参数（或 text 参数，二者等价），它原生支持 re.Pattern 对象：

import re
from bs4 import BeautifulSoup

pattern = re.compile(r"HO\s?#", re.IGNORECASE)

# 查找第一个匹配文本的节点（返回 NavigableString）
match_node = soup.find(string=pattern)

# 查找所有匹配文本的节点（返回列表）
match_nodes = soup.find_all(string=pattern)

⚠️ 注意：soup.find(string=...) 返回的是文本节点（NavigableString），而非标签元素（Tag）。因此若需进一步操作其父元素或兄弟元素，必须通过 .parent 向上访问：

• match_node.parent → 获取包裹该文本的 、
  等标签；
• match_node.parent.find_next_sibling('td') → 获取同级下一个 元素（等效于 CSS 中的 + td）；
• 若需严格模拟 td:-soup-contains("HO #") + td 的语义，应确保目标文本位于 内，且后续兄弟 存在。

  以下为完整示例（含边界处理）：

  

  文希AI写作

  一款AI论文写作工具，主要用于AI论文写作平台，适合需要提升相关任务效率的用户。

  下载

  from bs4 import BeautifulSoup
  import re
  
  html = '''
  

  HO #	I am the next sibling
  ho#	Also valid
  HO#
  HO #	With multiple spaces

  ''' soup = BeautifulSoup(html, 'html.parser') pattern = re.compile(r"HO\s?#", re.IGNORECASE) results = [] for text_node in soup.find_all(string=pattern): parent_td = text_node.parent if parent_td.name == 'td': # 确保文本确实在 中 next_td = parent_td.find_next_sibling('td') if next_td: results.append(next_td.get_text(strip=True)) print(results) # 输出: ['I am the next sibling', 'Also valid', 'With multiple spaces']

  ? 关键提示：

  • 不要尝试在 select() 中“注入”正则——CSS 规范本身不支持；
  • string= 匹配的是直接子文本，若文本被嵌套在 或 内，需改用 soup.find_all(text=...) 或递归搜索；
  • 如需更复杂结构匹配（如“包含 HO# 的 后紧跟 ”），建议先用 find_all('td') 遍历，再对每个 td.get_text() 应用正则校验，逻辑更可控；
  • 性能敏感场景下，正则匹配比 CSS 选择器略慢，但对一般网页解析影响微乎其微。

  综上，将正则能力融入 BeautifulSoup 的核心路径是：用 find_all(string=re.compile(...)) 定位文本 → 用 .parent 回溯到容器标签 → 用 .find_next_sibling() 或 .find_parent() 完成关系导航。这是兼顾灵活性与可靠性的最佳实践。