Python + BeautifulSoup:如何获得'a'元素的'href'属性？

Question

我有以下内容:

  html =
  '''<div class=“file-one”>
    <a href=“/file-one/additional” class=“file-link">
      <h3 class=“file-name”>File One</h3>
    </a>
    <div class=“location”>
      Down
    </div>
  </div>'''

并希望得到的文本href是/file-one/additional.所以我做了:

from bs4 import BeautifulSoup

soup = BeautifulSoup(html, 'html.parser')

link_text = “”

for a in soup.find_all(‘a’, href=True, text=True):
    link_text = a[‘href’]

print “Link: “ + link_text

但它只是打印一个空白,没有.只是Link:.所以我在另一个网站上测试了它,但是使用了不同的HTML,并且它有效.

我能做错什么？或者是否有可能该网站故意编程不返回href？

提前谢谢,一定会upvote /接受答复!

Answer 1

html中的'a'标记没有直接的文字,但包含一个带有一些文字的'h3'标签.这意味着text是.find_all(),所以text不会选择任何标记.

如果仅使用href和lambda参数选择标记,然后在循环中添加条件以检查标记中是否有任何文本,则可以解决此问题.

soup = BeautifulSoup(html, 'html.parser')
links_with_text = []
for a in soup.find_all('a', href=True): 
    if a.text: 
        links_with_text.append(a['href'])

或者你可以使用列表理解,如果你更喜欢单行.

links_with_text = [a['href'] for a in soup.find_all('a', href=True) if a.text]

或者你可以通过一个.find_all()在href.

tags = soup.find_all(lambda tag: tag.name == 'a' and tag.get('href') and tag.text)

Answer 2

您还可以使用 attrs 通过正则表达式搜索获取 href 标签

soup.find('a', href = re.compile(r'[/]([a-z]|[A-Z])\w+')).attrs['href']

Answer 3

1. 首先，使用不使用大引号的不同文本编辑器。

2. 其次，从text=True标志上取下soup.find_all