使用 python 和 beautlfulsoup 从网站的 href 中提取文本

Question

我正在尝试从网站抓取数据，我需要文本标题。

[<a href="http://www.thegolfcourses.net/golfcourses/TX/38468.htm" rel="bookmark">Feather Bay  Golf  Course and Resort</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/AZ/174830.htm" rel="bookmark">Paradise Valley Country Club</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/IL/129935.htm" rel="bookmark">The Golf Club at Waters Edge</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/NY/10630.htm" rel="bookmark">1000 Acres Ranch Resort</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/VA/995731.htm" rel="bookmark">1757 Golf Club, 1757 Golf Club Front 9 Golf Course</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/WI/320815.htm" rel="bookmark">27 Pines Golf Course</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/WY/823145.htm" rel="bookmark">3 Creek Ranch Golf Club</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/CA/18431.htm" rel="bookmark">3 Par At Four Points</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/AZ/470720.htm" rel="bookmark">3 Parks Fairways</a>]
[<a href="http://www.thegolfcourses.net/golfcourses/IA/074920.htm" rel="bookmark">3-30 Golf &amp; Country Club</a>]

我使用这段代码来处理它，但是我很难编写代码来提取它关于如何处理它的任何好的想法？

import csv
import requests 
from bs4 import BeautifulSoup

courses_list = []

for i in range(1):
 url="http://www.thegolfcourses.net/page/{}?ls&location=California&orderby=title&radius=6750#038;location=California&orderby=title&radius=6750".format(i)
 r = requests.get(url)
 soup = BeautifulSoup(r.content)


g_data2=soup.find_all("article")


for item in g_data2:
  try:
    name= item.contents[5].find_all("a")
    print name
  except:
        name=''

Answer 1

如果我理解正确，这可能有效。 Is there InnerText equivalent in BeautifulSoup / python?

基本上试试“.text”的方法

name = item.contents[5].find_all("a").text

编辑：抱歉，我无法正确格式化试试这个，它很糟糕，但它有效

x = "<a> text </a>"
y = x.split(">")[1]
z = y.split("<")[0]
print z
 text

Answer 2

使用 string 属性

name= item.contents[5].find_all("a")[0].string

记住 findall returns 一个列表（ResultSet 对象），所以如果您知道只有一个，您可以只查找该列表中的第 0 个索引。

或者您可以使用 find，如果您知道只有一个结果您感兴趣的话。

name= item.contents[5].find("a").string

使用 python 和 beautlfulsoup 从网站的 href 中提取文本

extracting text from a href in a website using python and beautlfulsoup

python

beautifulsoup

web-scraping