当我在 html 中遇到评论时，如何停止使用 Beautifulsoup 提取 href 标签？

Posted 2023-02-21

【中文标题】当我在 html 中遇到评论时，如何停止使用 Beautifulsoup 提取 href 标签？

【英文标题】：How do I stop extracting href tags using Beautifulsoup when I encounter a comment in html?

【发布时间】：2015-12-23 18:12:36

【问题描述】：

    03420&nbsp;&nbsp;<a href="/kegg-bin/show_pathway?ban03420">Nucleotide excision repair</a><br>
    03430&nbsp;&nbsp;<a href="/kegg-bin/show_pathway?ban03430">Mismatch repair</a><br>
    03440&nbsp;&nbsp;<a href="/kegg-bin/show_pathway?ban03440">Homologous recombination</a><br>
      </ul>
    </ul>
    <!-- -->
    <b>Environmental Information Processing</b>
    <ul>
     Membrane transport
      <ul>
    02010&nbsp;&nbsp;<a href="/kegg-bin/show_pathway?ban02010">ABC transporters</a><br>

我需要使用我使用 Beautifulsoup 完成的 python 从网页中提取路径代码（例如 03420、03430 等）。我想在环境信息处理之前停下来，所以我在这里寻找一些可以使用的不同标签。 <!-- --> 处于完美位置，但我不知道如何在这一点上停下来。有人可以告诉我是否/如何使用它来停止在评论之前提取代码。 （我对 python 和 html 很陌生，直接跳到网络解析，所以请多多包涵。）

【问题讨论】：

这是一个 HTML 注释。在多种语言中与// 或/* */ 基本相同。

是评论，见***.com/questions/2757396/…

@TimLewis 哦。谢谢。我希望这不是评论。

是否有其他方法可以在此时停止提取代码？

因为人们似乎对你标题中的问题很迂腐，而不是你似乎想问的问题，所以我就把这个留在这里：How to find the comment tag with Beautiful soup?

【参考方案1】：

在HTML、XHTML、XML 中，<!-- 开始一个评论范围，--> 结束它。它是一个注释，不影响浏览器上的结果，但在响应中添加一些字节。

<!-- comment some text 
     and you can break lines.
     It is compatible for html, xhtml and xml.
-->

在其他语言中，您还有其他用于 cmets 的语法，例如：

/* this is a comment for C, C++, C#, Java, javascript, CSS, etc.
   you can break lines */

// this is a single line comment for C, C++, C#, Java, Javascript.. you can't break lines here

如果您想了解更多关于 cmets 的信息，请访问 this link。

【参考方案2】：

它是 html 语法中的块注释。 http://www.w3schools.com/html/html_comments.asp

【参考方案3】：

这是一个没有任何内容的 HTML 注释。

就目前而言，它似乎没有任何用途，因为它没有填充页面中的任何功能，但它的存在可能是有原因的。我可能是一些服务器代码显示一些内部信息的地方，所以指望它保持不变有点冒险。

如果它只是一条空评论，页面的作者可能会决定将其清除。

以下标签中的文本看起来更可靠，因为它实际上在页面中起到了作用。