使用 BeautifulSoup 从 html 标签中检索所有名称

Question

我通过 Beautiful Soup 成功设置并找到了我需要的标签。如何提取标签中的所有名称？

tags = soup.find_all("a")
print(tags)

在运行上面的代码之后，我得到了以下输出

[<a href="/wiki/Alfred_the_Great" title="Alfred the Great">Alfred the Great</a>, <a class="mw-redirect" href="/wiki/Elizabeth_I_of_England" title="Elizabeth I of England">Queen Elizabeth I</a>, <a href="/wiki/Family_tree_of_Scottish_monarchs" title="Family tree of Scottish monarchs">Family tree of Scottish monarchs</a>, <a href="/wiki/Kenneth_MacAlpin" title="Kenneth MacAlpin">Kenneth MacAlpin</a>]

如何检索阿尔弗雷德大帝、伊丽莎白女王一世、肯尼思·麦卡尔平等姓名？我需要使用正则表达式吗？使用 .string 给我一个错误

Answer 1

您可以遍历标签并使用 tag.get('title') 获取标题值。

其他一些相同的方法： https://www.crummy.com/software/BeautifulSoup/bs4/doc/#attributes

Answer 2

无需申请re。您可以通过迭代所有 a 标签轻松获取所有名称，然后调用 title attribute or get_text() or .find(text=True)

html='''
<html>
 <body>
  <a href="/wiki/Alfred_the_Great" title="Alfred the Great">
   Alfred the Great
  </a>
  ,
  <a class="mw-redirect" href="/wiki/Elizabeth_I_of_England" title="Elizabeth I of England">
   Queen Elizabeth I
  </a>
  ,
  <a href="/wiki/Family_tree_of_Scottish_monarchs" title="Family tree of Scottish monarchs">
   Family tree of Scottish monarchs
  </a>
  ,
  <a href="/wiki/Kenneth_MacAlpin" title="Kenneth MacAlpin">
   Kenneth MacAlpin
  </a>
 </body>
</html>

'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(html,'lxml')

#print(soup.prettify())

for name in soup.find_all('a'):
    txt = name.get('title')
    #OR
    #txt = name.get_text(strip=True)
    print(txt)

输出：

Alfred the Great
Queen Elizabeth I
Family tree of Scottish monarchs
Kenneth MacAlpin

使用 BeautifulSoup 从 html 标签中检索所有名称

Retrieve all names from html tags using BeautifulSoup

html

beautifulsoup

python-re