Question

我使用BS4进行网页抓取，并使用以下html：

<a style="display:inline; position:relative;" href="

                                      /aems/file/filegetrevision.do?fileEntityId=8120070&cs=LU31NT9us5P9Pvkb1BrtdwaCrEraskiCJcY6E2ucP5s.xyz">
                                Screenshot.docx                      </a>

现在如何使用BS4获取href的值，无法获得。你能帮忙吗？

谢谢，

Answer 1

这不是诀窍吗？

for a in soup.find_all('a', href=True):
    print a['href']

如果您需要，可以在find_all中使用attrs：

soup.find_all("div", {"style": "display:inline; position:relative;"})

去除空格并使链接绝对：

import urlparse
urlparse.urljoin(url, a['href'].strip())

Answer 2

for a in soup.find_all('a', {"style": "display:inline; position:relative;"}, href=True):
    href = a['href'].strip()
    href = "http://example.com" + href
print(href)

'http://example.com/aems/file/filegetrevision.do?fileEntityId=8120070&cs=LU31NT9us5P9Pvkb1BrtdwaCrEraskiCJcY6E2ucP5s.xyz'

内置函数strip()在这里非常有用。：）

无法从<a> tags using BS4</a>中提取出href值

2 个答案: