python - 如何将 BeautifulSoup HREF 搜索从扩展至

Question

标签： pythonhtmlregexbeautifulsouphref

Answer 1

要获取所有href内容，/game/只需将找到的节点href值附加到列表中：

>>> result1 = []
>>> for a in soup.find_all('a', href=True):
    if a['href'].startswith('/game/'):
        result1.append(a['href'])

>>> print(result1)
['/game/index/4599712?org id=418']

至于第二个，您可以使用正则表达式，但在下一个兄弟的纯文本上a：

>>> import re
>>> result2 = {}
>>> for a in soup.find_all('a', href=True):
    if a['href'].startswith('/team/'):
        m = re.search(r"\((\d+-\d+)\)", a.next_sibling.string)
        if m:
            result2[a.string] = m.group(1)
        else:
            result2[a.string] = ""

>>> print(result2)
{'Philadelphia': '3-1'}

将\((\d+-\d+)\)提取-括号内的数字 + + 数字。如果此值不存在，则将使用找到的键添加键值，但为空值。