从 href 属性 Python 创建一个带有漂亮汤的唯一列表

Posted 2023-03-05

【中文标题】从 href 属性 Python 创建一个带有漂亮汤的唯一列表

【英文标题】：Creating a unique list with beautiful soup from href attribute Python

【发布时间】：2017-01-18 14:57:41

【问题描述】：

我正在尝试为我的锚标签上的所有 href 创建一个唯一列表

from urllib2 import urlopen

from bs4 import BeautifulSoup

import pprint

url = 'http://barrowslandscaping.com/'

soup = BeautifulSoup(urlopen(url), "html.parser")
print soup

tag = soup.find_all('a', "href": True)
set(tag)
for tags in tag:
    print tags.get('href')

结果：

http://barrowslandscaping.com/
http://barrowslandscaping.com/services/
http://barrowslandscaping.com/design-consultation/
http://barrowslandscaping.com/hydroseeding-sodding/
http://barrowslandscaping.com/landscape-installation/
http://barrowslandscaping.com/full-service-maintenance/
http://barrowslandscaping.com/portfolio/
http://barrowslandscaping.com/about-us/
http://barrowslandscaping.com/contact/
http://barrowslandscaping.com/design-consultation/
http://barrowslandscaping.com/full-service-maintenance/

我尝试将 set(tag) 移到 for 循环中，但这并没有改变我的结果。

【参考方案1】：

首先，您不能就地调用set()，这是一个返回值的转换。

tag_set = set(tags)

第二，set 不一定了解 BeautifulSoup 中 Tag 对象的区别。就它而言，在 HTML 中发现了两个单独的标签，因此它们不是唯一的，都应该保留在集合中。它不知道它们具有相同的 href 值。

相反，您应该先将 href 属性提取到列表中，然后将其转换为集合。

tags = soup.find_all('a', "href": True)
# extract the href values to a new array using a list comprehension
hrefs = [tag.get('href') for tag in tags]
href_set = set(hrefs)

for href in href_set:
    print href

这可以使用集合推导进一步简化：

tags = soup.find_all('a', "href": True)
href_set = tag.get('href') for tag in tags

for href in href_set:
    print href

【讨论】：

@BatsAuto 如果这解决了您的问题，请将其标记为正确。否则，如果您还想做其他事情，请在这些 cmets 中告诉我。

为什么不只是href_set = tag.get('href') for tag in tags？

我试图说明使用 set() 来转换列表，这是 OP 试图做的。不过，我可以将集合理解添加到答案中。

当然，但他们也可以一步一步学习，从他们未能分配集合调用的结果来判断，我想他们可能不知道你可以一次完成步骤。

我同意知道这一点很好，但他们最好先了解基础知识，然后再担心优化。