python - 使用 BeautifulSoup 从

转载 作者：太空宇宙 更新时间：2023-11-04 09:37:06 28 4

我正在使用 BeautifulSoup 从此页面提取所有链接:http://kern.humdrum.org/search?s=t&keyword=Haydn

我通过这种方式获取所有这些链接:

# -*- coding: utf-8 -*-

from urllib.request import urlopen as uReq
from bs4 import BeautifulSoup as soup

my_url = 'http://kern.humdrum.org/search?s=t&keyword=Haydn'

#opening up connecting, grabbing the page
uClient = uReq(my_url)

# put all the content in a variable
page_html = uClient.read()

#close the internet connection
uClient.close()

#It does my HTML parser
page_soup = soup(page_html, "html.parser")

# Grab all of the links
containers = page_soup.findAll('a', href=True)
#print(type(containers))

for container in containers:
    link = container
    #start_index = link.index('href="') 
    print(link)
    print("---")
    #print(start_index)

我的部分输出是:

请注意，它返回了几个链接，但我真的想要所有带有 >Someting 的链接。 (例如，“>Allegro”和“Allegro vivace”等)。

我很难获得以下类型的输出(图像示例):“快板 - http://kern.ccarh.org/cgi-bin/ksdata?location=users/craig/classical/beethoven/piano/sonata&file=sonata01-1.krn&format=info”

换句话说，在这一点上，我有一堆 anchor 标签(+- 1000)。从所有这些标签中，有一堆只是“垃圾”和 +- 350 个我想提取的标签。所有这些标签看起来几乎相同，但唯一的区别是我需要的标签末尾有一个“>某人的名字<\a>”。我只想提取具有此特征的所有 anchor 标签的链接。

最佳答案

从我在图片中看到的，带有信息的那些有一个包含 format="info" 的 href 属性，因此您可以使用 attribute=value CSS 选择器[href*=format="info"] ，其中*表示包含；属性值包含第一个等号之后的子字符串。

import bs4 , requests

res = requests.get("http://kern.humdrum.org/search?s=t&keyword=Haydn")
soup = bs4.BeautifulSoup(res.text,"html.parser")
for link in soup.select('[href*=format="info"]'):
    print(link.getText(), link['href'])

关于python - 使用 BeautifulSoup 从 <a href 标签中提取特定页面链接，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53245761/

28 4 0

• python - Python 中的集群或合并集群以减少组数 (Python)

  我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库，但没有成功。 我猜它只是通过 knn 聚类

• python - python 列表的子集基于同一列表的元素组，pythonically

  我有一个扁平数字列表，这些数字逻辑上以 3 为一组，其中每个三元组是 (number, __ignored, flag[0 or 1])，例如: [7,56,1, 8,0,0, 2,0,0, 6,1,

• python - 激活 Python 虚拟环境并在另一个 Python 脚本中调用 Python 脚本

  我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p

• python - 在焕然一新的 Python 环境中以编程方式从 Python 内部执行 Python 文件

  假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python

• python - 从 python 脚本但在 python 脚本之外运行 python 脚本

  这听起来像是谜语或笑话，但实际上我还没有找到这个问题的答案。 问题到底是什么？ 我想运行 2 个脚本。在第一个脚本中，我调用另一个脚本，但我希望它们继续并行，而不是在两个单独的线程中。主要是我不希望第

• python - 使用不同的 python 从 python 运行 python 脚本

  我有一个带有 python 2.5.5 的软件。我想发送一个命令，该命令将在 python 2.7.5 中启动一个脚本，然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re

• python - 为什么从 Python 命令行调用 Python 时 Python 无法找到并运行我的脚本？

  我在 python 命令行(使用 python 2.7)中，并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹，使用: os.chdir("

• python - 使用动态版本的 Python 执行嵌入的 Python 代码时出现致命的 Python 错误

  剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome

• python - python 中识别 python 数组或列表中最大累积差异的最快方法是什么？

  假设我有以下列表，对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最

• python - (Python) 通过单选按钮 python 更新背景

  所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中，并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co

• python - python 中的字符串与正则表达式比较在 python 中失败

  我正在尝试将字符串与 python 中的正则表达式进行比较，如下所示， #!/usr/bin/env python3 import re str1 = "Expecting property name

• python - python 如何加载Boost.Python 库？

  考虑以下原型(prototype) Boost.Python 模块，该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)

• python - python 检查模块 python 的问题

  如何编写一个程序来“识别函数调用的行号？” python 检查模块提供了定位行号的选项，但是， def di(): return inspect.currentframe().f_back.f_l

• python - 系统 python 与用户 python

  我已经使用 macports 安装了 Python 2.7，并且由于我的 $PATH 变量，这就是我输入 $ python 时得到的变量。然而，virtualenv 默认使用 Python 2.6，除

• python - [Python] : Python re. 长字符串行的搜索速度优化

  我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行，长度为 176861(即带有一些符号的字母数字字符)，我使用此函数测试了该行以进行研究: def getExe

• python - 编辑字符串 python 正则表达式 python

  list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge

• python - Python 映射中的副作用(Python "do" block )

  这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告

• python - 使用其值逻辑组合两个 python 列表 - Python

  我想用 Python 将两个列表组合成一个列表，方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju

• python - Boost.Python python 链接错误

  我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth

• python - 在 Python 中仅使用内置库制作一个基本的网络抓取工具 - Python

  学习 Python，我正在尝试制作一个没有任何第 3 方库的网络抓取工具，这样过程对我来说并没有简化，而且我知道我在做什么。我浏览了一些在线资源，但所有这些都让我对某些事情感到困惑。 html 看起来