python - 如何通过匹配 BeautifulSoup 中元素属性中的文本来获取元素

Question

我有这个代码

<a title="Next Page - Results 1 to 60 " href="bla bla" class="smallfont" rel="next">&gt;</a>

我想抓取 a 元素并获取 href 。

如何将 title 属性与 Next Page 匹配

我想部分匹配 a 元素的 title 属性中的文本。

页面上有很多与它类似的a标签，唯一的区别是title属性包含“下一页或文本是>。

Answer 1

您必须使用正则表达式来完成您想要的任务。

首先将整个标记作为字符串，并用它创建一个 BeautifulSoup 对象。

然后使用BeautifulSoup对象的.findAll方法，如下所示

import BeautifulSoup
import re

soup = BeautifulSoup('<a title="Next Page - Results 1 to 60 " href="bla bla" class="smallfont" rel="next">&gt;</a>')

elements = soup.findAll('a', {'title':re.compile('Next Page.')}) 
# get all 'a' elements with 'title' attribute as 'Next Page something' into a list

for e in elements:
    if str(e.string) == '>' or e.string == '&gt;': # check if string inside 'a' tag is '>'
        print e['href']