Lstrip 和 Rstrip 不起作用，需要帮助从 Python 中的 output 中删除文本

Question

output 是列表的一部分。 当我尝试使用 type() 找出输出的类型时，它返回：<class 'bs4.element.Tag'>。

我正在尝试删除“href”左侧的所有内容和“<img”右侧的所有内容。 我尝试过 lstrip 和 rstrip 但它们不起作用，因为我列表中的每个 output 都是唯一的。 尽管列表中的每个 output 都是唯一的，但它们都具有与“href”和“<img”相同的格式。

这是我列表中的输出之一的示例：

<a class="BlogList-item-image-link" href="/new-blog/nova-approval">
<img alt="Nova Approval" data-image="https://static1.squarespace.com/static/54ceeff4e4b0d9096117315a/5a3ff7e48165f5d70b78414a/5a504ba90d9297f9a55e4ab6/1516062801655/7P1A5814+cropped.jpg" data-image-dimensions="2432x2688" data-image-focal-point="0.5,0.5" data-load="false" data-src="https://static1.squarespace.com/static/54ceeff4e4b0d9096117315a/5a3ff7e48165f5d70b78414a/5a504ba90d9297f9a55e4ab6/1516062801655/7P1A5814+cropped.jpg"/>
</a>

Answer 1

您可能正在尝试提取 href 中的链接。 为此，您不需要剥离字符串。 你可以通过以下方式做到这一点 -

string =  '''<a class="BlogList-item-image-link" href="/new-blog/nova-approval">
<img alt="Nova Approval" data-image="https://static1.squarespace.com/static/54ceeff4e4b0d9096117315a/5a3ff7e48165f5d70b78414a/5a504ba90d9297f9a55e4ab6/1516062801655/7P1A5814+cropped.jpg" data-image-dimensions="2432x2688" data-image-focal-point="0.5,0.5" data-load="false" data-src="https://static1.squarespace.com/static/54ceeff4e4b0d9096117315a/5a3ff7e48165f5d70b78414a/5a504ba90d9297f9a55e4ab6/1516062801655/7P1A5814+cropped.jpg"/>
</a>'''


print( string[string.find('href="')+6:string.find('>')-1] )

Output：

/new-blog/nova-approval

在上面的print()语句中， string.find('href="')将返回该字符串的索引，然后我们从该索引 + 6 循环到 href 标记的末尾。假设>紧跟在href之后.

希望这可以帮助 ！

Answer 2

使用lstrip和rstrip不会是答案。

您是否尝试过查看bs4 文档？

因为你的 output 的类型是 bs4 object。 您可以找到 object 的属性来获取href 。

<a class="BlogList-item-image-link" href="/new-blog/nova-approval">
<img alt="Nova Approval" data-image="https://static1.squarespace.com/static/54ceeff4e4b0d9096117315a/5a3ff7e48165f5d70b78414a/5a504ba90d9297f9a55e4ab6/1516062801655/7P1A5814+cropped.jpg" data-image-dimensions="2432x2688" data-image-focal-point="0.5,0.5" data-load="false" data-src="https://static1.squarespace.com/static/54ceeff4e4b0d9096117315a/5a3ff7e48165f5d70b78414a/5a504ba90d9297f9a55e4ab6/1516062801655/7P1A5814+cropped.jpg"/>
</a>

from bs4 import BeautifulSoup

soup = BeautifulSoup('html') #put the link there

links = soup.find_all('a') # All of the anchor tags in a list

for link in links:
    print(link.get('href'))

这将打印 HTML 文件中的所有href值。