如何使用 CSS 选择器使用 BeautifulSoup 检索位于某个类中的特定链接?
Posted
技术标签:
【中文标题】如何使用 CSS 选择器使用 BeautifulSoup 检索位于某个类中的特定链接?【英文标题】:How to use CSS selectors to retrieve specific links lying in some class using BeautifulSoup? 【发布时间】:2014-09-08 04:58:23 【问题描述】:我是 Python 新手,我正在学习它是为了抓取,我正在使用 BeautifulSoup 来收集链接(即“a”标签的 href)。我正在尝试收集站点http://allevents.in/lahore/ 的“即将举行的活动”选项卡下的链接。我正在使用 Firebug 来检查元素并获取 CSS 路径,但这段代码没有返回任何内容。我正在寻找解决方法以及一些关于如何选择适当的 CSS 选择器以从任何站点检索所需链接的建议。我写了这段代码:
from bs4 import BeautifulSoup
import requests
url = "http://allevents.in/lahore/"
r = requests.get(url)
data = r.text
soup = BeautifulSoup(data)
for link in soup.select( 'html body div.non-overlay.gray-trans-back div.container div.row div.span8 div#eh-1748056798.events-horizontal div.eh-container.row ul.eh-slider li.h-item div.h-meta div.title a[href]'):
print link.get('href')
【问题讨论】:
你真的不需要为你的选择器这么具体,真的。 但是有实际问题吗?代码有效,无效,您期望发生什么? 另外,don't user.text
, use r.content
在这里。
@Martijn Pieters 代码不起作用。我希望获得allevents.in/lahore“即将举行的活动”选项卡下列出的所有活动的链接@
@MartijnPieters 没有使用 r.content,因为我计划提取一些文本和链接,但目前我无法检索所需的链接
【参考方案1】:
该页面在类和标记的使用方面并不是最友好的,但即便如此,您的 CSS 选择器也过于具体,无法在此处使用。
如果你想要即将到来的活动,你只想要第一个<div class="events-horizontal">
,然后抓住<div class="title"><a href="..."></div>
标签,所以标题上的链接:
upcoming_events_div = soup.select_one('div.events-horizontal')
for link in upcoming_events_div.select('div.title a[href]'):
print(link['href'])
请注意,您应该不要使用r.text
;使用r.content
并将Unicode 解码留给BeautifulSoup。见Encoding issue of a character in utf-8
【讨论】:
***.com/questions/24789094/… @Martijn Pieters 我也问了一个与此类似的问题 我不明白如何选择 CSS 选择器,就像您建议我进行编辑一样,请您指导我如何选择所需的 CSS 选择器? @Flecha:一般来说,尝试使用选择器来选择 just 您正在寻找的标签,然后添加更多上下文(如果这不足以识别对象) ) 独一无二。 @Flecha:不要只使用 CSS 选择器,它们并不总是足以唯一地识别某些东西。在这里,我首先选择了 oneevents-horizontal
元素,因为我们不能轻易地用 CSS 选择那个。【参考方案2】:
import bs4 , requests
res = requests.get("http://allevents.in/lahore/")
soup = bs4.BeautifulSoup(res.text)
for link in soup.select('a[property="schema:url"]'):
print link.get('href')
这段代码可以正常工作!!
【讨论】:
以上是关于如何使用 CSS 选择器使用 BeautifulSoup 检索位于某个类中的特定链接?的主要内容,如果未能解决你的问题,请参考以下文章