Question

嗨，我无法弄清楚如何找到以某些文字开头的链接。 findall（'a'）工作得很好，但是太过分了。我只想列出所有以之为开头的链接 http://www.nhl.com/ice/boxscore.htm?id=

任何人都可以帮助我吗？

非常感谢

Answer 1

首先设置一个测试文档并使用BeautifulSoup打开解析器：

>>> from BeautifulSoup import BeautifulSoup
>>> doc = '<html><body><div><a href="something">yep</a></div><div><a href="http://www.nhl.com/ice/boxscore.htm?id=3">somelink</a></div><a href="http://www.nhl.com/ice/boxscore.htm?id=7">another</a></body></html>'
>>> soup = BeautifulSoup(doc)
>>> print soup.prettify()
<html>
 <body>
  <div>
   <a href="something">
    yep
   </a>
  </div>
  <div>
   <a href="http://www.nhl.com/ice/boxscore.htm?id=3">
    somelink
   </a>
  </div>
  <a href="http://www.nhl.com/ice/boxscore.htm?id=7">
   another
  </a>
 </body>
</html>

接下来，我们可以搜索所有<a>个标签，其href属性以http://www.nhl.com/ice/boxscore.htm?id=开头。您可以使用正则表达式：

>>> import re
>>> soup.findAll('a', href=re.compile('^http://www.nhl.com/ice/boxscore.htm\?id='))
[<a href="http://www.nhl.com/ice/boxscore.htm?id=3">somelink</a>, <a href="http://www.nhl.com/ice/boxscore.htm?id=7">another</a>]

Answer 2

您可能不需要BeautifulSoup，因为您的搜索是特定的

{{1}}

Answer 3

您可以找到所有链接，然后过滤该列表以仅获取您需要的链接。无论您随后对其进行过滤，这都将是非常快速的解决方案。

listOfAllLinks = soup.findAll('a')
listOfLinksINeed = []

for link in listOfAllLinks:
    if "www.nhl.com" in link:
        listOfLinksINeed.append(link['href'])

找到具有beautifulsoup的具体链接

3 个答案: