使用美丽的汤从标签中提取“href”
Posted
技术标签:
【中文标题】使用美丽的汤从标签中提取“href”【英文标题】:Extract 'href' from tag using beautiful soup 【发布时间】:2020-03-17 18:37:37 【问题描述】:我在 html 中有以下标签,我想只提取 href 内容,即 Quatermass_2_Vintage_Movie_Poster-61-10782 和 Hard Day's Night
<span class="small">
Ref.No:10782<br/>
<a href="Quatermass_2_Vintage_Movie_Poster-61-10782" title="Click for more details and a larger picture of Quatermass 2">
Click for more details and a larger picture of <b>Quatermass 2</b>
</a>
</span>, <span class="small">
Ref.No:10781<br/>
<a href="Hard_Day__039_s_Night_Vintage_Movie_Poster-61-10781" title="Click for more details and a larger picture of Hard Day's Night">
Click for more details and a larger picture of <b>Hard Day's Night</b>
</a>
</span>
下面的python代码让我只能找到整个标签
html = ['table2.html']
with open("table2.html", "r") as f:
contents = f.read()
soup = BeautifulSoup(contents, "lxml")
for name in soup.find_all("span", "class": "small"):
print(name)
但是不能只选择href。我试过了
for name in soup.find_all("span", "class": "small".get(href)):
print(name)
我也尝试将 href 引用放在打印语句中
for name in soup.find_all("span", "class": "small":
print(name.get('href'))
有人可以帮忙吗?
【问题讨论】:
【参考方案1】:获取span
标签后,需要找到a
标签,然后获取href
属性。
这样的事情会起作用:
for name in soup.find_all("span", "class": "small"):
print(name.find("a").get("href"))
【讨论】:
【参考方案2】:您可以使用正则表达式来提取值,如下所示:
import re
input = "adde <a href=\"coedd.com\" > algo</a>";
patt= "href=\"[a-zA-Z0-9_\-\.]+\""
search = re.findall(patt, input, re.I)
print search
这将返回一个包含所有巧合的数组。
希望有用。
问候。
【讨论】:
以上是关于使用美丽的汤从标签中提取“href”的主要内容,如果未能解决你的问题,请参考以下文章