Question

所以我想从页面获取下载链接列表：

soup = BeautifulSoup(driver.page_source)
linky=soup.find_all(name='a', href=re.compile('download.php'))

这会向我返回所有链接的列表：

[<a href="download.php/947983/adam.zip"><img "="" alt="Download" src="browse_dl.png" style="style=" title="Download Adam"/></a>,
<a href="download.php/947981/barb.zip"><img "="" alt="Download" src="browse_dl.png" style="style=" title="Download Barb"/></a>,
<a href="download.php/947972/chris.zip"><img "="" alt="Download" src="browse_dl.png" style="style=" title="Download Chris"/></a>,
<a href="download.php/947971/dan.zip"><img "="" alt="Download" src="browse_dl.png" style="style=" title="Download Dan"/></a>]

我想提取href链接和“下载”之后的img标题，然后将它们放入元组中。

所以我将有一个类似以下的列表：

[(download.php/947983/adam.zip, Adam)
(download.php/947981/barb.zip, Barb),
(download.php/947972/chris.zip, Chris),
(download.php/947971/dan.zip, Dan)]

我以为我可以将每个项目的href =“和” img之间的文本分割开，但是我不知道该怎么做，下一个问题是我也将如何提取标题？ / p>

Answer 1

这是解决您问题的方法，假设我们有一个 list_of_names ，其中包含您要提取的输入链接和名称，然后可以使用下面给出的代码来提取链接和名称：

#!/usr/bin/python
import re
list_of_names= ['<a href="download.php/947983/adam.zip"><img "="" alt="Download"  src="browse_dl.png" style="style=" title="Download Adam"/></a>',
'<a href="download.php/947981/barb.zip"><img "="" alt="Download" src="browse_dl.png" style="style=" title="Download Barb"/></a>',
'<a href="download.php/947972/chris.zip"><img "="" alt="Download" src="browse_dl.png"  style="style=" title="Download Chris"/></a>',
     '<a href="download.php/947971/dan.zip"><img "="" alt="Download" src="browse_dl.png" style="style=" title="Download Dan"/></a>']

links=[]
names=[]


for row in list_of_names:
    links.append([x.strip() for x in re.split(r"href=\"(.*)\"><img", row)][1])
    names.append([x.strip() for x in re.split(r"title=\"Download (.*)\"\/>", row)][1])

desired_list=list(tuple(zip(links,names)))
print(desired_list)

如果编译此脚本，则可以获得所需的输出：

python -i code_for_desired_output.py
[('download.php/947983/adam.zip', 'Adam'), ('download.php/947981/barb.zip', 'Barb'), ('download.php/947972/chris.zip', 'Chris'), ('download.php/947971/dan.zip', 'Dan')]

如何在BeautifulSoup创建的列表中提取特定文本

1 个答案: