Question

我正在尝试获取html文档中所有href的列表。我正在使用Beautiful Soap来解析我的html文件。

print soup.body.find_all('a', attrs={'data-tag':'Homepage Library'})[0]

我得到的结果是：

<a class="m0 vl" data-tag="Homepage Library" href="/video?lang=pl&amp;format=lite&amp;v=AZpftzD9jVs" title="abc">
        text
    </a>

我只对href =“”部分感兴趣。所以我希望ResultSet只返回href的值。

我不确定如何扩展此查询，因此它返回href部分。

Answer 1

使用attrs：

links = soup.body.find_all('a', attrs={'data-tag':'Homepage Library'})
print [link.attrs['href'] for link in links]

或者，通过将其视为字典来直接从元素中获取属性：

links = soup.body.find_all('a', attrs={'data-tag':'Homepage Library'})
print [link['href'] for link in links]

样本：

from bs4 import BeautifulSoup


page = """<body>
<a href="link1">text1</a>
<a href="link2">text2</a>
<a href="link3">text3</a>
<a href="link4">text4</a>
</body>"""

soup = BeautifulSoup(page)
links = soup.body.find_all('a')
print [link.attrs['href'] for link in links]

打印

['link1', 'link2', 'link3', 'link4']

希望有所帮助。

Answer 2

最后这对我有用：

soup.body.find_all('a', attrs={'data-tag':'Homepage Library'}).attrs["href"]

Answer 3

for link in soup.find_all('a', attrs={'data-tag':'Homepage Library'}):
    print(link.get('href'))

如何进一步过滤ResultSet的结果？

3 个答案: