Question

我想使用python / beautifulsoup报废此网站： http://www.ipeen.com.tw/search/all/000/0-100-0-0/%E4%B8%AD%E5%BC%8F/?adkw=%E5%8F%B0%E5%8C%97

主要问题是如何提取“/ shop / 1057970-麻辣公馆” 来自这样的HTML：

<h3 class="name" id="shop_h3_">
<a class="a37 ga_tracking" data-action="ad_shop" data-category="search" data-label="店名" href="/shop/1057970-麻辣公館" target="_blank">麻辣公館</a>
<span class="markVip">合作店家 <a class="joinVip ga_tracking" data-action="ad_shop" data-category="search" data-label="如何刊登" href="http://www.ipeen.com.tw/ad/adipeen.php?id=b31149405ef268fe0b2dd035f450000e">(如何刊登？)</a></span> </h3>
<div class="serPic">
<div class="align">
<span></span>
<a href="/shop/1057970-麻辣公館" target="_blank"><img alt="麻辣公館" class="lazy" src="http://iphoto.ipeen.com.tw/photo/ipeen/140x140/vip/0/7/9/store_1057970/sp1057970_20160416132749762.jpg" title="麻辣公館"/></a>
</div>
</div>

以下是我的代码：

url ='http://www.ipeen.com.tw/search/all/000/0-100-0-0/%E4%B8%AD%E5%BC%8F/?adkw=%E5%8F%B0%E5%8C%97'
opener=urllib.request.build_opener()
opener.addheaders = [('User-agent', 'Mozilla/5.0')]
page = opener.open(url)
soup = BeautifulSoup(page)
soup.find_all('a', {'class':"a37 ga_tracking"})

请提供一些可能的想法非常感谢！

Answer 1

你走的路很好。只需要使用：

soup.find('a', {'class':"a37 ga_tracking"})['href']

或者，如果您想要多个链接：

[tag['href'] for tag in soup.find_all('a', {'class':"a37 ga_tracking"})]

<web scraping =“”python =“”>在类href标签中提取数据

1 个答案: