BeautifulSoup/Regex:从 href 中查找特定值

Posted

技术标签:

【中文标题】BeautifulSoup/Regex:从 href 中查找特定值【英文标题】:BeautifulSoup/Regex: Find specific value from href 【发布时间】:2018-07-06 07:26:29 【问题描述】:

使用下面的代码,并尝试在 href 末尾找到值。有没有办法提取href,并在BeutifulSoup/Regex 中找到page= 之后的值?

from bs4 import BeautifulSoup
import requests
import json
import re

request = requests.get('https://www.goodreads.com/quotes/tag/fun?page=1')
soup = BeautifulSoup(request.text, 'html.parser')

findNext = soup.find("a", class_="next_page")
print(findNext)

得到这个输出:

<a class="next_page" href="/quotes/tag/fun?page=2" rel="next">next »</a>

注意:要从上述或任何其他可能出现的数字中提取2

【问题讨论】:

所以获取href 值,然后使用re 获取等号右侧的任何内容。 re.find('page=(\d+)',findNext['href']) 你可以将其拆分成一个数组,然后选择数组中的最后一项! 【参考方案1】:

您可以使用regex查找页码:

from bs4 import BeautifulSoup
import re
request = requests.get('https://www.goodreads.com/quotes/tag/fun?page=1')
soup = BeautifulSoup(request.text, 'html.parser')
page_nums = re.findall('(?<=page\=)\d+', str(soup.find("a", class_="next_page")))[0]

输出:

2

【讨论】:

【参考方案2】:
from bs4 import BeautifulSoup
import requests    

request = requests.get('https://www.goodreads.com/quotes/tag/fun?page=1')
soup = BeautifulSoup(request.text, 'html.parser')

findNext = soup.find("a", class_="next_page").attrs['href'].split('page=')[1]
print(findNext)
#Result is 2

【讨论】:

【参考方案3】:

使用正则表达式你可以做类似的事情,

    let url = "/quotes/tag/fun?page=2";
    let urlParam = url.substring(url.indexOf('?') + 1);
    let matches = urlParam.match(/=(.+)/);
    let username;
    if (matches) 
        username = matches[1];
    
    return username;

【讨论】:

我喜欢固定的方法。此外,这是过去 15 分钟内我第二次看到有人使用letlet 的文档在哪里?首先我在 javascript 中看到它,现在我在 Python 中看到它。 @AlexanderDixon 看看这个letdocs【参考方案4】:

var text = '<a class="next_page" href="/quotes/tag/fun?page=2" rel="next">next »</a>';
var regex = /(?<=href=\")[^\?]+\?page=(\d+)(?=\")/
var match = regex.exec(text);

console.log("**href => " + match[0] + " **page => " + match[1]);

Regex demo

【讨论】:

【参考方案5】:

使用 JavaScript,您可以使用 URL 构造函数、.search 获取查询字符串参数、String.prototype.split() "=" 字符和 Array.prototype.pop()

var param = new URL('https://www.goodreads.com/quotes/tag/fun?page=1')
            .search.split("=").pop();

console.log(param);

【讨论】:

以上是关于BeautifulSoup/Regex:从 href 中查找特定值的主要内容,如果未能解决你的问题,请参考以下文章

检索 COM 类工厂中 CLSID 为 {00024500-0000-0000-C000-000000000046} 的组件失败,原因是出现以下错误: 80070005 拒绝访问。 (异常来自 HRE

绠楁硶銆佹暟鎹粨鏋勫涔犳寚鍗?/h1>

检索 COM 类工厂中 CLSID 为 {820280E0-8ADA-4582-A1D9-960A83CE8BB5} 的组件失败,原因是出现以下错误: 80040154 没有注册类 (异常来自 HRE

从 Wildfly 服务器使用 HTTP 访问文件

HBase存储架构

Git