Question

我正在抓取我的Android应用程序所需的webpage。我想要做的是从href属性中提取国家/地区。这与此one相同。

这是我的代码：

from bs4 import BeautifulSoup
import urllib2
import re

html_page = urllib2.urlopen("http://www.howtocallabroad.com/a.html")
soup = BeautifulSoup(html_page)
li = soup.select("ul > li > a")
for link in li:
    print link.get('href')

我遇到的问题是，结果会返回包含其他a的所有div标记

afghanistan/
albania/
algeria/
american-samoa/
andorra/
angola/
anguilla/
antigua/
argentina/
armenia/
aruba/
ascension/
australia/
austria/
azerbaijan/
codes.html  # not needed
nanp.html   # not needed
qa/         # not needed
forums/     # not needed

我想知道完成此任务需要什么功能。我想仅在href中过滤<div id="content">。 docs没有太多信息。

对不起，这是我第一次写python。

Answer 1

使用findAll()：

>>> for i in soup.find('div',{'id':'content'}).findAll('a'):
...     print i['href']
... 
afghanistan/
albania/
algeria/
american-samoa/
andorra/
angola/
anguilla/
antigua/
argentina/
armenia/
aruba/
ascension/
australia/
austria/
azerbaijan/

soup.find('div',{'id':'content'})说的话。它会找到id content（<div id="content">匹配的div标签。

.findAll() ...找到所有！ 'a'用作查找所有标记的参数。它返回每个标签的列表。

然后我只需打印每个标签的href。

Answer 2

尝试

li = soup.select("#content ul > li > a")

而不是

li = soup.select("ul > li > a")

Answer 3

这样做：

li = soup.select("#content ul > li > a")

例如：

li = soup.select("#[call india][1] ul > li > a")

提取特定<div>：BeautifulSoup </div>的无序列表

3 个答案: