python 如何获取页面所有a标签下href的值
# -*- coding:utf-8 -*-#python 2.7#http://tieba.baidu.com/p/2460150866#标签操作 from bs4 import BeautifulSoupimport urllib.requestimport 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 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' id='xiaodeng'><!-- Elsie --></a>,<a href='http://example.com/lacie' rel='external nofollow' rel='external nofollow' id='link2'>Lacie</a> and<a href='http://example.com/tillie' rel='external nofollow' id='link3'>Tillie</a>;<a href='http://example.com/lacie' rel='external nofollow' rel='external nofollow' 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 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好吧啦网。如有错误或未考虑完全的地方，望不吝赐教。
相关文章：
网公网安备