Question

我想抓一个网站找到h2标签的所有标题属性

     <h2 class="1"><a href="http://example.it/Titanic_Caprio.html" title="Titanic Caprio">Titanic_Caprio</a></h2>

使用此代码，我正在访问整个h2标记

from bs4 import BeautifulSoup
import urllib2


url = "http://www.example.it"
page = urllib2.urlopen(url)
soup = BeautifulSoup(page, 'html.parser')
links = soup.findAll('h2')

print "".join([str(x) for x in links] )

使用findAll（'h2'，attrs = {'title'}）没有结果。我究竟做错了什么？如何在文件中打印出整个标题列表？

Answer 1

问题是title不是h2标记的属性，而是包含在其中的标记的属性。因此，您必须首先搜索<h2>标记，然后搜索具有title属性的子标记：

titles = []
h2_list = links = soup.findAll('h2')
for h2 in h2_list:
    titles.extend(h2.findAll(lambda x: x.has_attr('title')))

这很有效，因为BeautifulSoup可以使用函数作为搜索过滤器。

Answer 2

您需要在attrs中传递键值对

findAll('h2', attrs = {"key":"value"})

使用beautifulSoup和print访问属性

2 个答案: