从Web Scraped Loop中排除项目

Question

假设我有以下html：

<h4>
     <a href="http://www.google.com">Google</a>
</h4>
<h4>Random Text</h4>

我能够通过循环识别所有h4标题，例如：

for url in soup.findAll("h4")
    print(url.get_text())

这很有效，除了它包括＆＃34;随机文本＆＃34; h4标题的元素。是否可以以编程方式删除不符合特定条件的h4标题的出现次数 - 例如，那些不包含链接的标题？

Answer 1

当然，您可以采用简单的方法，只需过滤标题：

for url in soup.find_all("h4")
    if not url.a:  # "url.a" is a shortcut to "url.find('a')"
        continue
    print(url.get_text())

或者，更好的方法是使用function

过滤它们

for url in soup.find_all(lambda tag: tag.name == "h4" and tag.a):
    print(url.get_text())

或者，更好的是，直接转到a元素：

for url in soup.select("h4 > a"):
    print(url.get_text())

h4 > a这里有一个CSS selector，可以匹配a个标记的直接子元素h4元素。

Answer 2

使用列表理解作为最pythonic方法：

[i.get_text() for i in soup.findAll("h4") if #Insert criteria here#]