获取链接的Beautifulsoup和Soupstrainer不与hasattr一起使用，总是返回true

Question

我使用Beautifulsoup4和Soupstrainer与Python 3.3从网页获取所有链接。以下是重要的代码段：

r = requests.get(adress, headers=headers)
for link in BeautifulSoup(r.text, parse_only=SoupStrainer('a')):
    if hasattr(link, 'href'):

我测试了一些网页并且它运行良好，但今天使用

adress = 'http://www.goldentigercasino.de/'

我认识到hasattr（link，'href'）总是返回TRUE，即使没有这样的'href'字段，就像在goldentigercasino.de例子中一样。 因为我很晚才使用链接['href']，因为它根本就不存在。

我也试过这样的解决方法：

test = requests.get('http://www.goldentigercasino.de/')
for link in BeautifulSoup(test.text, parse_only=SoupStrainer('a',{'href': not None})):

它按预期工作除了它还返回Doctype：

HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"

由于与上述相同的原因，这也造成了麻烦。

我的问题：为什么hasattr总是返回true，我该如何解决？如果没有hasattr的可能性，我如何修复我的解决方法，它不返回DOCTYPE？

非常感谢和最诚挚的问候！

Answer 1

hasattr()是错误的测试;它测试是否存在a.href属性，并且BeautifulSoup动态地将属性转换为对子项的搜索。 HTML标记属性不已转换为Python属性。

改为使用字典式测试;你遍历所有可能包含DocType实例的元素，所以我使用getattr()来破坏没有属性的对象：

if 'href' in getattr(link, 'attrs', {}):

您还可以指示SoupStrainer仅将a标记与href属性匹配，href=True为keyword argument filter not None在任何情况下都意味着True：

for link in BeautifulSoup(test.text, parse_only=SoupStrainer('a', href=True)):

当然还包括HTML声明;只搜索a个链接：

soup = BeautifulSoup(test.text, parse_only=SoupStrainer('a', href=True))
for link in soup.find_all('a'):
    print link