我有以下汤:
<a href="some_url">next</a>
<span class="class">...</span>
我想从中提取href，"some_url"
如果我只有一个标签，我可以做到，但这里有两个标签。我也可以得到文本 'next' 但这不是我想要的。
另外，在某处是否有关于 API 的良好描述以及示例。我正在使用 the standard documentation ，但我正在寻找更有条理的东西。
最佳答案
您可以通过以下方式使用find_all 查找每个具有href 属性的a 元素，并将每个元素打印出来:
# Python2
from BeautifulSoup import BeautifulSoup
html = '''<a href="some_url">next</a>
<span class="class"><a href="another_url">later</a></span>'''
soup = BeautifulSoup(html)
for a in soup.find_all('a', href=True):
print "Found the URL:", a['href']
# The output would be:
# Found the URL: some_url
# Found the URL: another_url
# Python3
from bs4 import BeautifulSoup
html = '''<a href="https://some_url.com">next</a>
<span class="class">
<a href="https://some_other_url.com">another_url</a></span>'''
soup = BeautifulSoup(html)
for a in soup.find_all('a', href=True):
print("Found the URL:", a['href'])
# The output would be:
# Found the URL: https://some_url.com
# Found the URL: https://some_other_url.com
请注意，如果您使用的是旧版本的 BeautifulSoup(版本 4 之前)，则此方法的名称为 findAll。在版本 4 中，BeautifulSoup 的方法名称 were changed to be PEP 8 compliant ，所以你应该改用 find_all。
如果你想要所有标签带有href，你可以省略name参数:
href_tags = soup.find_all(href=True)
https://stackoverflow.com/questions/5815747/