如何使用BeautifulSoup从网站上获取所有标头？

Question

我正在尝试从一个简单的网站获取所有标头。我的尝试：

from bs4 import BeautifulSoup, SoupStrainer
import requests

url = "http://nypost.com/business"
page = requests.get(url)
data = page.text
soup = BeautifulSoup(data)
soup.find_all('h')

soup.find_all('h')返回[]，但是如果我做类似soup.h1或的操作soup.h2，它将返回相应的数据。我只是在错误地调用该方法吗？

Answer 1

按正则表达式过滤：

soup.find_all(re.compile('^h[1-6]$'))

此正则表达式查找以开头的所有标签，h在后面有一个数字h，然后在该数字之后结束。