[英]_Scrape_ text after blockquote bs4
我在 HTML 中有这样的东西:
<p align="left"><strong><tt>
some text:</tt></strong><tt> (8/4)</tt><a href="some link"><tt>some other text</tt></a><tt>, (9/4)</tt><a href="some other link"><tt><br/>
some text:</tt></strong><tt>, (19/6)</tt><!--a href="some link in comment"--><tt>text after comment</tt></p></blockquote></blockquote><tt>, </tt><a href="link i want"><tt>text i want</tt></a><strong><tt><br/>
...
</p>
我在 Python 的代码:
page = requests.get(site)
soup = BeautifulSoup(page.content, 'html.parser')
rounds = soup.find('p', align="left")
matches_links = rounds.find_all('a')
我得到了一些评论和文本的所有链接。 在</blockquote></blockquote>
之后我什么也得不到。 这两个块引用在页面代码中是不可见的,只有当我调试我的 Python 代码时我才能在soup
中看到它。 在soup
中,我有所有 HTML 代码,但在rounds
中,代码以<tt>text after comment</tt></p>
结尾。
有什么方法可以获得“我想要的链接”和“我想要的文字”?
如果您查看 HTML 代码,您会发现在</blockquote></blockquote>
之前有</p>
> 。 这意味着您的可变rounds
不包含您想要的链接。 在此<p>
标记之后搜索下一个<a>
:
from bs4 import BeautifulSoup
txt = '''
<p align="left"><strong><tt>
some text:</tt></strong><tt> (8/4)</tt><a href="some link"><tt>some other text</tt></a><tt>, (9/4)</tt><a href="some other link"><tt><br/>
some text:</tt></strong><tt>, (19/6)</tt><!--a href="some link in comment"--><tt>text after comment</tt></p></blockquote></blockquote><tt>, </tt><a href="link i want"><tt>text i want</tt></a><strong><tt><br/>
...
</p>
'''
soup = BeautifulSoup(txt, 'html.parser')
matched_link = soup.select_one('p[align="left"] ~ a')
print(matched_link)
印刷:
<a href="link i want"><tt>text i want</tt></a>
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.