Beautifulsoup 提取

Question

这里是 html 代码：

<ul>
   <li><a href="brands/acapulco-gold/141120">Acapulco Gold</a></li>
   <li><a href="brands/adam-lister/141223">Adam Lister</a></li>
   <li><a href="brands/adidas-x-raf-simons/125513">adidas x RAF SIMONS</a></li>

我想提取 10Deep、Acapulco Gold 等品牌，我该怎么做？

Answer 1

你可以写一个CSS selector，得到所有a元素，href属性值以brands开头，直接位于li里面里面 ul:

for link in soup.select("ul > li > a[href^=brands]"):
    print link.get_text()

Answer 2

我无法用 Beautifulsoup 做到这一点，但在等待其他答案时...您可以阅读每一行并检索您想要的文本

import urllib
import re

source = urllib.urlopen("https://www.jackthreads.com/ca/brands")
lines = source.readlines()

brand  = []
for link in lines[1797:2121]:
  find = re.findall(r'<li><a href="brands[^>]*?>(.*?)</a>', link)
  if len(find) > 0:
    brand.append(find[0])

print(brand[0:12])
#>['10Deep', 'Acapulco Gold', 'Adam Lister', 'AdNArt', 'Afends', 'Akomplice', 'Akribos XXIV', 'Alistare', 'Alpha Beta', 'Alpha Industries', 'Altamont', 'Alternative']

Beautifulsoup 提取

Beautifulsoup extraction

html

python

beautifulsoup

html-parsing