Как проверить присутствия слова в строке HTML?

Question

[seoplus2019]

driver.page_source="BIG HTM DOCUMENT.....................................................";

reg_exp = re.escape('poisk.stroki')

if (match_list2 := re.search(r'(%s)\b'%reg_exp, driver.page_source, re.MULTILINE)) is not None:
    print('YES)<br>')
else:
    print('NOO)<br>')

подскажите почему при поиске в HTML коде строки poisk.stroki одинаково ответ YES
как и при поиске poisk

как исправить ? мне необходимо определить есть ли слово poisk.stroki
а не poisk

Answer 1

[soremix]

\b ищет границу слова по \w, точка не входит в \w, поэтому считается валидной границей слова, точно так же как и пробел и ! и другие.

Ну и получается что все правильно, ищем слово "poisk", проверяем наличие \w справа, \w нет - значит все ок

Почему бы просто не сделать 'poisk.stroki' in source?

Comments

[seoplus2019]

спасибо . а как if проставить?) я только учусь

[soremix]

seoplus2019,
if 'poisk.stroki' in driver.page_source:

Но при этом и если искать просто 'poisk' - так же вернет True. Несовсем понятно, что вы хотите, если ищете poisk.stroki, то зачем тогда искать просто poisk?

[seoplus2019]

SoreMix,

user_serch = sys.argv[1]

if user_serch in driver.page_source:
    print('YES)<br>')
    
else:
    print('NOO)<br>')

вот код . переменная для поиска береться извне. и всегда результат YES не пойму что за бред

[soremix]

seoplus2019, значит такая подстрока существует в сурсе, тут по другому быть не может. Что конкретно ищется? Потому что естественно python проверяет именно наличие подстроки, а не целого слова.
Так что если искать в "Hello world" строчку "rl", то она, конечно, найдется

[seoplus2019]

SoreMix, хорошо) а как мне проверить что именно poisk.stroki есть. целиком а не кусочки
нужно re использовать?

[soremix]

seoplus2019, вряд ли это лучшее решение, но регуляркой сделал как нибудь так:
\bpoisk[^\w,.!@#$%^&*()_+-=\s]?

То есть ищем слово, перед которым нет других символов A-z, и после него не было точки, запятой, других символов, пробелов и тд, в общем не было всего что есть в []

Но это будет работать только для латиницы.
С двумя алфавитами как-то так
[^A-zА-я]poisk[^А-яA-z,.!@#$%^&*()_+-=\s]?

[seoplus2019]

SoreMix, спасибо . но мне надо просто сделать проверку что искомое слово есть целиком в html коде

[soremix]

seoplus2019, так мой код про это

[o5a]

seoplus2019,

а как мне проверить что именно poisk.stroki есть. целиком а не кусочки

В вашем изначальном коде итак проверяется, что "spisok.stroki" есть в тексте. И срабатывает он именно потому, что эта строка действительно есть в тексте (полностью, не кусочком).

но мне надо просто сделать проверку что искомое слово есть целиком в html коде

Добавьте в свой шаблон границу слова еще и слева, т.е.
r'\b(%s)\b'%reg_exp

Answer 2

[When you dont want to litter on stackoverflow]

is_word_in_html = word in str_which_consist_html

Comments

[seoplus2019]

спасибо. это конвертер?

[When you dont want to litter on stackoverflow]

seoplus2019, В str определён магический метод __contains__, который возвращает True если другая строка является суб строкой текущей, или False в обратном случае.