Beautifulsoup部分提取字符串

Question

我是Beautifulsoup 4的新手，发现它非常方便！但是，当我需要拆分字符串时，我遇到了问题：

这里有一个例子：

我有一个链接

 <a href="http://nihao-wobuhao?%93%23%24%12&sort=102">NIHAO</a>

我得到了soap.findChildren('a')这一行，但如果我只需要'sort = 102'那么该怎么办？

我尝试使用soap.find_all(re.compile(^sort=.*?))但它不起作用，任何人都可以帮助我吗？提前谢谢！

Answer 1

urlparse module会挑选出一些网址。您可以使用它来获取您正在查找的查询参数。

Answer 2

详细说明@ Don的答案：

• 找到a元素，例如，文字
• 使用类似字典的href属性
获取Tag属性值
• 使用urlparse.parse_qs()获取网址查询参数

工作样本：

>>> from bs4 import BeautifulSoup
>>> from urlparse import urlparse, parse_qs
>>>
>>> html = '<a href="http://nihao-wobuhao?%93%23%24%12&sort=102">NIHAO</a>'
>>> parse_qs(urlparse(soup.find("a", text="NIHAO")['href']).query)['sort'][0]
u'102'

请注意，在Python 3中，您需要将urlparse导入更改为：

>>> from urllib.parse import urlparse, parse_qs