• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    python 如何获取页面所有a标签下href的值

    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脚本之家。如有错误或未考虑完全的地方,望不吝赐教。

    您可能感兴趣的文章:
    • python爬虫之异常捕获及标签过滤详解
    • Python深度学习之图像标签标注软件labelme详解
    • python中Tkinter实现分页标签的示例代码
    • Python 实现自动完成A4标签排版打印功能
    • Python气泡提示与标签的实现
    • Python 生成VOC格式的标签实例
    • 基于python3生成标签云代码解析
    • python 实现添加标签&打标签的操作
    上一篇:Python中常见的导入方式总结
    下一篇:Django利用AJAX技术实现博文实时搜索
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    python 如何获取页面所有a标签下href的值 python,如何,获取,页面,所有,