python - 分解 HTML 以链接文本和目标

Question

给定一个 HTML 链接

<a href="urltxt" class="someclass" close="true">texttxt</a>

我怎样才能隔离 url 和文本？

更新

我正在使用 Beautiful Soup，但我不知道该怎么做。

我做到了

soup = BeautifulSoup.BeautifulSoup(urllib.urlopen(url))

links = soup.findAll('a')

for link in links:
    print "link content:", link.content," and attr:",link.attrs

我明白了

*link content: None  and attr: [(u'href', u'_redirectGeneric.asp?genericURL=/root    /support.asp')]*  ...
...

为什么我缺少内容？

编辑:按照建议详细阐述“卡住”:)

Answer 1

使用Beautiful Soup .自己动手比看起来更难，最好使用久经考验的模块。

编辑:

我想你想要:

soup = BeautifulSoup.BeautifulSoup(urllib.urlopen(url).read())

顺便说一句，尝试在那里打开 URL 是个坏主意，因为如果它出错了，它会变得丑陋。

编辑 2:

这应该会显示页面中的所有链接:

import urlparse, urllib
from BeautifulSoup import BeautifulSoup

url = "http://www.example.com/index.html"
source = urllib.urlopen(url).read()

soup = BeautifulSoup(source)

for item in soup.fetchall('a'):
    try:
        link =  urlparse.urlparse(item['href'].lower())
    except:
        # Not a valid link
        pass
    else:
        print link