Question

假设有一个包含数百个链接的页面，每个链接在a标签中都有唯一的文本。如何指定标签的文本然后从那里获取href？例如，

for a in soup.findAll('a', href=True):
  print(a['href'])

这会在整个页面中获得所有href，这是过度的。当我这样做时：

for a in soup.findAll('a', href=True text="Some Value"):
  print(a['href'])

我无法获取href标记，因为它不再返回Tag对象，而是返回Navigable对象。知道如何实现我的目标吗？

Answer 1

您可以传递一个可调用的text参数来检查标记name和name：

，而不是传递text参数。

for tag in soup.findAll(lambda tag: (tag.name == 'a'
                                     and tag.text == 'Some Value'),
                        href=True):
    print tag['href']

这样，返回的值为Tag而不是NavigableString。

另请注意，根据文档：

如果您使用文本，则忽略您为name和关键字参数提供的任何值。

因此，即使您只想获得NavigableString，问题中的第二个示例也可能无法正常工作。

Answer 2

你至少可以这样做：

for a in soup.findAll('a', href=True):
    if self.tag_to_string(a) == "Some Value":
        print(a['href'])

但还有其他方法。

HTH

Answer 3

在寻找所有＆＃39;在标签文本的开头：

for tag in soup.findAll(lambda tag: (tag.name == 'a' and re.search('^See all',tag.text)), href=True):
    print 'href: ', tag['href']

for a in soup.findAll('a', href=True):
    if re.search('^See all',a.text):
        print 'href: ',(a['href'])

基于文本获得href的美丽汤

3 个答案: