Question

我有一个像这样的HTML代码：

<h2 class="title"><a href="http://www.gurletins.com">My HomePage</a></h2>

<h2 class="title"><a href="http://www.gurletins.com/sections">Sections</a></h2>

我需要提取'a'标签之间的文本（链接描述）。我需要一个数组来存储这些：

a [0] =“我的主页”

a [1] =“章节”

我需要在使用BeautifulSoup的python中执行此操作。

请帮帮我，谢谢！

Answer 1

您可以这样做：

import BeautifulSoup

html = """
<html><head></head>
<body>
<h2 class='title'><a href='http://www.gurletins.com'>My HomePage</a></h2>
<h2 class='title'><a href='http://www.gurletins.com/sections'>Sections</a></h2>
</body>
</html>
"""

soup = BeautifulSoup.BeautifulSoup(html)

print [elm.a.text for elm in soup.findAll('h2', {'class': 'title'})]
# Output: [u'My HomePage', u'Sections']

Answer 2

打印[a.findAll（text = True）for a soup.findAll（＆＃39; a＆＃39;）]

Answer 3

以下代码提取“a”标记与数组存储之间的文本（链接描述）。

>>> from bs4 import BeautifulSoup
>>> data = """<h2 class="title"><a href="http://www.gurletins.com">My 
HomePage</a></h2>
...
... <h2 class="title"><a href="http://www.gurletins.com/sections">Sections</a>
</h2>"""
>>> soup = BeautifulSoup(data, "html.parser")
>>> reqTxt = soup.find_all("h2", {"class":"title"})
>>> a = []
>>> for i in reqTxt:
...     a.append(i.get_text())
...
>>> a
['My HomePage', 'Sections']
>>> a[0]
'My HomePage'
>>> a[1]
'Sections'

使用BeautifulSoup在python中的链接标记之间提取文本

3 个答案: