Question

这就是我的HTML看起来我解析的方式。它全部在一个表中并重复多次，我只想要div中的href属性值，其属性为class="Special_Div_Name"。然后所有这些div都在表行内，并且有很多行。

<tr>
   <div class="Special_Div_Name">
      <a href="something.mp3">text</a>
   </div>
</tr>

我想要的只是{＆＃34; .mp3＆＃34;中的href属性值。在div中，属性为class="Special_Div_Name"。

到目前为止，我能够提出这段代码：

download = soup.find_all('a', href = re.compile('.mp3'))
for text in download:
    hrefText = (text['href'])
    print hrefText

此代码目前打印的页面上的每个href属性值都以＆＃34; .mp3＆＃34;结尾并且它非常接近于我想做的事情。它只是我只想要在该div类中的＆＃34; .mp3＆＃34;。

Answer 1

这个小调整可以让你得到你想要的东西：

special_divs = soup.find_all('div',{'class':'Special_Div_Name'})
for text in special_divs:
    download = text.find_all('a', href = re.compile('\.mp3$'))
    for text in download:
        hrefText = (text['href'])
        print hrefText

Answer 2

由于Beautiful Soup接受CSS selectors .select() method的attribute selector大部分，我建议使用tutorial from OpenCV [href$=".mp3"]来选择a元素以href结尾的.mp3属性。

然后你可以只选择.Special_Div_Name选择器，以便只选择作为后代的锚元素：

for a in soup.select('div.Special_Div_Name a[href$=".mp3"]'):
    print (a['href'])

在更一般的情况下，如果您只想选择具有a属性的[href]元素作为div元素的后代，那么您将使用选择器{ {1}}：

div a[href]

如果您不使用上面的代码，那么根据您提供的原始代码，您需要选择类for a in soup.select('div a[href]'): print (a)的所有元素，然后您需要迭代那些元素并选择后代锚元素：

Special_Div_Name

作为旁注，for div in soup.select('.Special_Div_Name'): for a in div.find_all('a', href = re.compile('\.mp3$')): print (a['href'])应为re.compile('.mp3')，因为re.compile('\.mp3$')在正则表达式中具有特殊含义。此外，您还需要锚点.以便在sting结尾处匹配（而不是在字符串中的任何位置）。

如何在Python中使用Beautifulsoup查找div中的所有锚标签

2 个答案: