使用BeautifulSoup根据标签覆盖的文本找到特定的标签?

Question

假设我有以下HTML:

<div class="test">
<a class="someclass" href="somesite.com"> LINK </a>
<a class="someclass" href="othersite.com"> IMAGE</a>
</div>

是否有办法从包含文本"链接"的所有a-标签中获取href?即在本例中somesite.com?

Answer 1

问题是，你试图找到有空白的文本。您可以使用Regular Expressions来忽略空白，并在text

上执行find。

from bs4 import BeautifulSoup
import re
html = '''<div class="test">
<a class="someclass" href="somesite.com"> LINK </a>
<a class="someclass" href="othersite.com"> IMAGE</a>
</div>'''
soup = BeautifulSoup(html, 'html.parser')
regex = re.compile(r's*%ss*' % 'LINK')
results = soup.find("a", text=regex)
print(results['href'])

输出:

somesite.com

另一种方法是执行find_all&然后循环遍历结果&使用text.strip()

比较文本

from bs4 import BeautifulSoup

html = '''<div class="test">
<a class="someclass" href="somesite.com"> LINK </a>
<a class="someclass" href="othersite.com"> IMAGE</a>
</div>'''
# Find href by text 'link'
soup = BeautifulSoup(html, 'html.parser')
results = soup.find_all('a')
print([x['href'] for x in results if x.text.strip() == 'LINK'])

['somesite.com']