Beautiful Soupで数字始まりのidをselectする

急いでいる人用

• BeautifulSoup 4.7.0 以降 で以下の処置が必要です。
• cssエスケープで記述します。
• 先頭の1を \\31 にエスケープすると記述できます。
• 0〜9までの数字は \\30 〜　\\39 のようにエスケープします。
• 1234の場合は \\31 234 として、先頭の1桁をエスケープしてスペースを入れます。

from bs4 import BeautifulSoup
html = '<h1 id="1">test</h1>'
soup = BeautifulSoup(html,'lxml')
soup.select('#\\31')
# >>> [<h1 id="1">test</h1>]

from bs4 import BeautifulSoup
html = '<h1 id="0123">test</h1>'
soup = BeautifulSoup(html,'lxml')
soup.select('#\\30 123')
# >>> [<h1 id="0123">test</h1>]

BeautifulSoup 4.6.xでの動作

• cssエスケープなしでヒットします。
• cssエスケープをするとヒットしません。

from bs4 import BeautifulSoup
html = '<h1 id="1234">test</h1>'
soup = BeautifulSoup(html,'lxml')
soup.select('h1#1234')
# >>> [<h1 id="1234">test</h1>]

BeautifulSoup 4.7.0以降の変更

BeautifulSoup 4.7.0からcss slector のparserの実装がBeautifulSoup独自からsoupsieveに変更になりました。
これにより、複雑なcssセレクタや最新のcssセレクタに対応できるようになっているようです。
https://github.com/facelessuser/soupsieve

cssエスケープ

こちらの記事が大変参考になりました。
https://qiita.com/ka-ko/items/feacb4d3ff22666d51b1

cssエスケープを行うツールも紹介されています。
https://mothereff.in/css-escapes