Question

我正在学习python并使用BeautifulSoup来抓取一些网页。我要做的是找到第一个'td'的子'a'，提取href并将其添加到列表中。如何以及在何处将href添加到单元格文本中？

import urllib2

from BeautifulSoup import BeautifulSoup

def listify(table):
    """Convert an html table to a nested list""" 
    result = []
    rows = table.findAll('tr')
    for row in rows:
        result.append([])
        cols = row.findAll('td')
        for col in cols:
            strings = [_string.encode('utf8') for _string in col.findAll(text=True)]
            text = ''.join(strings)
            result[-1].append(text)
    return result

Answer 1

找到第一个td：改用row.find('td');它将返回第一场比赛
再次找到孩子a，使用.find('a')查找第一个。
元素就像一个python dict，使用item访问来获取href等元素属性。

一起，这使得：

cell = row.find('td')
link = cell.find('a') if cell else None
if link is not None and 'href' in link:
    result[-1].append(link['href'])

将子href解压缩到BeautifulSoup列表

1 个答案: