如何从Python中的字符串中提取子字符串？

Question

所以我只是想知道如何从以下字符串中提取http://www.google.com：

<div class="asdf"><a href="http://www.google.com">

假设我有一个包含大量链接的巨大字符串，我想提取一个href引号中的所有链接，我该怎么做？

Answer 1

You need an HTML Parser。使用BeautifulSoup的示例：

from bs4 import BeautifulSoup

soup = BeautifulSoup(data)
for link in soup.select("div.asdf > a[href]"):
    print(link["href"])

这将匹配href属性直接位于具有“asdf”类的div元素内的所有链接。

您还可以在输入文档中找到所有a元素：

for link in soup.find_all("a", href=True):
    print(link["href"])

或者：

for link in soup.select("a[href]"):
    print(link["href"])