Question

从下面的代码中，我想定位href并收集链接末尾的ID号，将该号码设置为名为＆＃34; VARIABLE＆＃34;的变量。（在这段代码中，数字将是＆＃34; 2019786＆＃34;）。我已经在我的程序中使用了收集页面的请求，我也导入了BeautifulSoup4。此外，这段代码可能会在页面之间发生变化，从而改变了href ID号，因此我在考虑收集此号码时，请使用以下内容：

/d2l/lp/ouHome/home.d2l?ou =％

<a class="d2l-link d2l-outline d2l-left" href="/d2l/lp/ouHome/home.d2l?ou=2019786" title="Enter CHEM-1315-018 - Lab-CHEM 1315-001">CHEM-1315-018 - Lab-CHEM 1315-001</a>

先谢谢杰克逊

Answer 1

如果URL的模式相同，您可以使用BeautifulSoup和一个简单的正则表达式来获取id。

代码看起来像这样：

from bs4 import BeautifulSoup
import re

text = """<a class="d2l-link d2l-outline d2l-left" href="/d2l/lp/ouHome/home.d2l?ou=2019786" title="Enter CHEM-1315-018 - Lab-CHEM 1315-001">CHEM-1315-018 - Lab-CHEM 1315-001</a>"""
soup = BeautifulSoup(text)
href_link = soup.a['href']
match = re.search(r'ou=(\d*)', href_link)
if match:
    print int(match.group(1)) # do whatever you want with it here
else:
    print "no id found"

请注意，您无需指定整个网址来获取ID，因为在“ou =”之后，ID始终会作为参数发送。

Answer 2

您可以声明匹配href属性值的模式：

pattern = re.compile(r'^/d2l/lp/ouHome/home\.d2l\?ou=(\d+)')

^{（如果网址本身也是变量，请将正则表达式更改为ou=(\d+)）}

并在find()和之后使用它来提取ou值：

import re
from bs4 import BeautifulSoup

data = '<a class="d2l-link d2l-outline d2l-left" href="/d2l/lp/ouHome/home.d2l?ou=2019786" title="Enter CHEM-1315-018 - Lab-CHEM 1315-001">CHEM-1315-018 - Lab-CHEM 1315-001</a>'

soup = BeautifulSoup(data)

pattern = re.compile(r'^/d2l/lp/ouHome/home\.d2l\?ou=(\d+)')
link = soup.find('a', class_='d2l-link', href=pattern)

print pattern.search(link['href']).group(1)

打印：

(\d+)这里是一个匹配一个或多个数字的capturing group。

使用Python从代码块中提取href ID

2 个答案: