如何获取 soup.select 的值？

Question

<h2 class="hello-word"><a href="http://www.google.com">Google</a></h2>

如何获取 a 标签 (Google) 的值？

print soup.select("h2 > a")

returns 整个 a 标签，我只想要值。此外，页面上可能有多个 H2。我如何筛选带有 class hello-word 的那个？

Answer 1

试试这个：

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<h2 class="hello-word"><a     href="http://www.google.com">Google</a></h2>', 'html.parser')
>>> soup.text
'Google'

您也可以改用 lxml.html 库

    >>> import lxml.html
    >>> from lxml.cssselect import CSSSelector
    >>> txt = '<h2 class="hello-word"><a href="http://www.google.com">Google</a></h2>'
    >>> tree = lxml.html.fromstring(txt)
    >>> sel = CSSSelector('h2 > a')
    >>> element = sel(tree)[0]
    >>> element.text
    Google

Answer 2

您可以在 CSS 选择器中的 h2 上使用 .hello-word，对于 select 只有 h2 带有 class [=15] 的标签=] 然后 select 它的 child a 。还有 soup.select() returns 所有可能匹配项的列表，因此您可以轻松地遍历它并调用每个元素 .text 来获取文本。示例 -

for i in soup.select("h2.hello-word > a"):
    print(i.text)

Example/Demo（我添加了一些我自己的元素，其中一个元素 class 略有不同以显示 selector 的工作）-

>>> from bs4 import BeautifulSoup
>>> s = """<h2 class="hello-word"><a href="http://www.google.com">Google</a></h2>
... <h2 class="hello-word"><a href="http://www.google.com">Google12</a></h2>
... <h2 class="hello-word2"><a href="http://www.google.com">Google13</a></h2>"""

>>> soup = BeautifulSoup(s,'html.parser')

>>> for i in soup.select("h2.hello-word > a"):
...     print(i.text)
...
Google
Google12

如何获取 soup.select 的值？

How do I get the value of a soup.select?

python

beautifulsoup