Question

（我是Python的新手。阅读BeautifulSoup DOC但是仍然不知道如何使用它）

你能帮我解决下面的问题吗？我正在尝试使用BeautifulSoup从网页中提取一些信息。

网页的HTML源代码包含：

<TD class=genmed align=left><A href="http://m.harveynorman.com.au/ipod-shuffle-2gb.html">1015362</A></TD>

<TD class=genmed align=left><A href="http://m.harveynorman.com.au/ipod-touch-16gb-black-and-silver.html">1056332</A></TD>

<TD class=genmed align=left><A href="http://m.harveynorman.com.au/ipod-nano-16gb.html">1016552</A></TD>

我想提取以“http：//”开头的所有网站链接文本，以及数字1015362,1056332,1016552。

这是代码的一部分：

AA = soup.findAll(text="http:")
for BB in AA:
    print BB.renderContents()

我怎样才能让BeautifulSoup获取想要的文本？感谢。

Answer 1

用于链接提取

for link in BeautifulSoup(page, parseOnlyThese=SoupStrainer('a')):
    if link.has_attr('href'):
        print link['href']

用于文本提取

text = soup.find('a').gettext()

请帮助：如何使用BeautifulSoup拾取想要的文本

1 个答案: