纯净、安全、绿色的下载网站

首页

当前位置:首页IT学院IT技术

python获取页面a标签href值 python 怎样获取页面所有a标签下href的值

不愿透露姓名的菜鸟   2021-05-06 我要评论
想了解python 怎样获取页面所有a标签下href的值的相关内容吗不愿透露姓名的菜鸟在本文为您仔细讲解python获取页面a标签href值的相关知识和一些Code实例欢迎阅读和指正我们先划重点:python,页面a标签,href值下面大家一起来学习吧

看代码吧~

# -*- coding:utf-8 -*-
#python 2.7
#http://tieba.baidu.com/p/2460150866
#标签操作 
 
from bs4 import BeautifulSoup
import urllib.request
import re 
 
#如果是网址可以用这个办法来读取网页
#html_doc = "http://tieba.baidu.com/p/2460150866"
#req = urllib.request.Request(html_doc)  
#webpage = urllib.request.urlopen(req)  
#html = webpage.read() 
 
html="""
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" rel="external nofollow"  rel="external nofollow"  class="sister" id="xiaodeng"><!-- Elsie --></a>,
<a href="http://example.com/lacie" rel="external nofollow"  rel="external nofollow"  class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" rel="external nofollow"  class="sister" id="link3">Tillie</a>;
<a href="http://example.com/lacie" rel="external nofollow"  rel="external nofollow"  class="sister" id="xiaodeng">Lacie</a>
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
soup = BeautifulSoup(html, 'html.parser')   #文档对象 
 
#查找a标签,只会查找出一个a标签
#print(soup.a)#<a class="sister" href="http://example.com/elsie" rel="external nofollow"  rel="external nofollow"  id="xiaodeng"><!-- Elsie --></a>
 
for k in soup.find_all('a'):
    print(k)
    print(k['class'])#查a标签的class属性
    print(k['id'])#查a标签的id值
    print(k['href'])#查a标签的href值
    print(k.string)#查a标签的string 
    

如果标签<a>中含有其他标签比如<em>..</em>此时要提取<a>中的数据需要用k.get_text()

soup = BeautifulSoup(html, 'html.parser')   #文档对象
#查找a标签,只会查找出一个a标签
for k in soup.find_all('a'):
    print(k)
    print(k['class'])#查a标签的class属性
    print(k['id'])#查a标签的id值
    print(k['href'])#查a标签的href值
    print(k.string)#查a标签的string

如果标签<a>中含有其他标签比如<em>..</em>此时要提取<a>中的数据需要用k.get_text()

通常我们使用下面这种模式也是能够处理的下面的方法使用了get()

 html = urlopen(url)
 soup = BeautifulSoup(html, 'html.parser')
 t1 = soup.find_all('a')
 print t1
 href_list = []
 for t2 in t1:
    t3 = t2.get('href')
    href_list.append(t3)

补充:python爬虫获取任意页面的标签和属性(包括获取a标签的href属性)

看代码吧~

# coding=utf-8 
from bs4 import BeautifulSoup 
import requests 
# 定义一个获取url页面下label标签的attr属性的函数 
def getHtml(url, label, attr): 
    response = requests.get(url) 
    response.encoding = 'utf-8' 
    html = response.text 
    soup = BeautifulSoup(html, 'html.parser'); 
    for target in soup.find_all(label):
 
        try: 
            value = target.get(attr)
 
        except: 
            value = ''
 
        if value: 
            print(value)
 
url = 'https://baidu.com/' 
label = 'a' 
attr = 'href' 
getHtml(url, label, attr)

以上为个人经验希望能给大家一个参考也希望大家多多支持如有错误或未考虑完全的地方望不吝赐教


相关文章

猜您喜欢

  • IDEA创建Web项目发布到tomcat 使用IDEA创建Web项目并发布到tomcat的操作方法

    想了解使用IDEA创建Web项目并发布到tomcat的操作方法的相关内容吗XiaoFanMi在本文为您仔细讲解IDEA创建Web项目发布到tomcat的相关知识和一些Code实例欢迎阅读和指正我们先划重点:IDEA创建Web项目发布到tomcat,IDEA创建Web项目下面大家一起来学习吧..
  • SpringMVC请求参数 Spring MVC请求参数的深入解析

    想了解Spring MVC请求参数的深入解析的相关内容吗是冯吉荣呀在本文为您仔细讲解SpringMVC请求参数的相关知识和一些Code实例欢迎阅读和指正我们先划重点:springmvc请求参数,springmvc请求参数有几种,springmvc请求下面大家一起来学习吧..

网友评论

Copyright 2022 版权所有 软件发布

声明:所有软件和文章来自软件开发商或者作者 如有异议 请与本站联系 联系我们