Question

我有以下代码尝试从某些html返回数据，但是我无法返回我需要的内容...

import urllib2
from bs4 import BeautifulSoup
from time import sleep

def getData():
    htmlfile = open('C:/html.html', 'rb')
    html = htmlfile.read()
    soup = BeautifulSoup(html)
    items = soup.find_all('div', class_="blocks")
    for item in items:
        links = item.find_all('h3')
        for link in links:
            print link

getData()

返回以下列表：

<h3>
    <a href="http://www.mywebsite.com/titles" title="Click for details(x)">
    TITLE STUFF HERE (YES)
    </a>
</h3>

<h3>
    <a href="http://www.mywebsite.com/titles" title="Click for details(x)">
    TITLE STUFF HERE (MAYBE)
    </a>
</h3>

我希望只能返回标题：TITLE STUFF HERE (YES)和TITLE STUFF HERE (MAYBE)

我希望能够使用的另一件事 soup.find_all("a", limit=2)功能，但不是“限制”而不是返回两个结果只有我希望它只返回第二个链接...所以选择功能不是限制？（这样的功能是否存在？）

Answer 1

import urllib2
from bs4 import BeautifulSoup
from time import sleep

def getData():
    htmlfile = open('C:/html.html', 'rb')
    html = htmlfile.read()
    soup = BeautifulSoup(html)
    items = soup.find_all('div', class_="blocks")
    for item in items:
        links = item.find_all('a')
        for link in links:
            if link.parent.name == 'h3':
                print(link.text)

getData()

您也可以从一开始就查找所有链接并检查父级是否为h3，而父级的父级是带有类块的div

在python中使用beautifulsoup获取链接名称和“选择”链接而不是限制？

1 个答案: