我有以下汤:
<a href="some_url">next</a>
<span class="class">...</span>
由此我想提取href,"some_url"
如果我只有一个标签,我可以这样做,但这里有两个标签。我也可以得到文字'next'
,但这不是我想要的。
此外,是否有一个很好的描述API的例子。我正在使用the standard documentation,但我正在寻找更有条理的东西。
答案 0 :(得分:251)
您可以通过以下方式使用find_all
查找具有a
属性的每个href
元素,并打印每个元素:
from BeautifulSoup import BeautifulSoup
html = '''<a href="some_url">next</a>
<span class="class"><a href="another_url">later</a></span>'''
soup = BeautifulSoup(html)
for a in soup.find_all('a', href=True):
print "Found the URL:", a['href']
输出结果为:
Found the URL: some_url
Found the URL: another_url
请注意,如果您使用的是旧版本的BeautifulSoup(版本4之前),则此方法的名称为findAll
。在版本4中,BeautifulSoup的方法名称为were changed to be PEP 8 compliant,因此您应该使用find_all
代替。
如果您想要所有带有href
的标记,则可以省略name
参数:
href_tags = soup.find_all(href=True)