[英]Using BeautifulSoup4 to get a message from HTML
我有类似的HTML:
<a class="archive-title" target="_blank" href="http://python.jobbole.com/84100/" title="SQLAlchemy 和其他的 ORM 框架">SQLAlchemy 和其他的 ORM 框架</a><br />
2016/01/12 ·
我想获取href,title和2016/01/11的内容。
我尝试过:
soup = BeautifulSoup(contents)
result = soup.find_all("a", attrs={"class": "archive-title"})
for i in result:
print i.get('href') + " " + i.get('title')
结果是:
http://python.jobbole.com/84100/ SQLAlchemy 和其他的 ORM 框架
我不知道如何同时获取日期2016/01/11。 我该怎么办?
如果整个页面中的模式相同:
[a.parents.contents[-1] for a in soup.find_all('a')]
(如果父节点中有更多内容,则将索引更改为-1以外的值)
正则表达式始终是一个选择:
import re
src = """<a class="archive-title" target="_blank" href="http://python.jobbole.com/84100/" title="SQLAlchemy 和其他的 ORM 框架">SQLAlchemy 和其他的 ORM 框架</a><br />
2016/01/12 ·"""
print re.findall('(\d{4}/\d{2}/\d{2})', src.replace('\n','') )
结果是:['2016/01/12']
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.