Question

您好，这是我想从BeautifulSoup中获取第一个链接的代码。

查看源：https://www.binance.com/en/blog

我想在这里抓住第一篇文章，以便成为“信任钱包现在支持恒星流明，还有4个令牌”

我正在尝试为此使用Python。

我使用此代码，但是它捕获了所有链接，我只希望第一个捕获

with open('binanceblog1.html', 'w') as article:
    before13 = requests.get("https://www.binance.com/en/blog", headers=headers2)    
    data1b = before13.text

    xsoup2 = BeautifulSoup(data1b, "lxml")      
    for div in xsoup2.findAll('div', attrs={'class':'title sc-0 iaymVT'}):
        before_set13 = div.find('a')['href']

我该怎么做？

Answer 1

您可以评估循环内的情况，并在找到满意结果时break进行评估。

for div in xsoup2.findAll('div', attrs={'class':'title sc-62mpio-0 iIymVT'}):
    before_set13 = div.find('a')['href']
    if before_set13 != '/en/blog':
         break
    print('skipping ' + before_set13)
print('grab ' + before_set13)

具有以下更改的代码输出：

skipping /en/blog  
grab /en/blog/317619349105270784/Trust-Wallet-Now-Supports-Stellar-Lumens-4-More-Tokens

Answer 2

目前我认为与您的代码一起使用的最简单的解决方案是使用break，这是因为findAll

for div in xsoup2.findAll('div', attrs={'class':'title sc-62mpio-0 iIymVT'}):
    before_set13 = div.find('a')['href']
    break

对于第一个元素，您可以使用find

before_set13 = soup.find('div', attrs={'class':'title sc-62mpio-0 iIymVT'}).find('a')['href']

Answer 3

尝试（从“阅读更多”按钮中提取href）

import requests
from bs4 import BeautifulSoup

r = requests.get('https://www.binance.com/en/blog')
soup = BeautifulSoup(r.text, "html.parser")
div = soup.find('div', attrs={'class': 'read-btn sc-62mpio-0 iIymVT'})
print(div.find('a')['href'])

Answer 4

对内容部分使用带有类css选择器（.）的类名，然后将descendant combinator和a类型的css选择器一起使用以指定子a标记元素。 select_one返回第一个匹配项

soup.select_one('.content a')['href']

代码：

from bs4 import BeautifulSoup as bs
import requests

r = requests.get('https://www.binance.com/en/blog')   
soup = bs(r.content, 'lxml')
link = soup.select_one('.content a')['href']
print('https://www.binance.com' + link)

使用Python抢夺此代码中的第一个链接

4 个答案: