python - 如何在两个相同的类(class)之间只获得一流的数据

Question

关于 https://www.hltv.org/matches页面，比赛除以日期，但类(class)相同。我的意思是，

这是今天的比赛课

<div class="match-day"><div class="standard-headline">2018-05-01</div>

这是明天的比赛课。

<div class="match-day"><div class="standard-headline">2018-05-02</div>

我想做的是，我想获取“标准标题”类下的链接，但仅限今天的比赛。比如，获得唯一的第一个。

这是我的代码。

import urllib.request
from bs4 import BeautifulSoup
headers = {}  # Headers gives information about you like your operation system, your browser etc.
headers['User-Agent'] = 'Mozilla/5.0'  # I defined a user agent because HLTV perceive my connection as bot.
hltv = urllib.request.Request('https://www.hltv.org/matches', headers=headers)  # Basically connecting to website
session = urllib.request.urlopen(hltv)
sauce = session.read()  # Getting the source of website
soup = BeautifulSoup(sauce, 'lxml')

matchlinks = []
# Getting the match pages' links.
for links in soup.find_all('div', class_='upcoming-matches'):  # Looking for "upcoming-matches" class in source.
    for links in soup.find_all('a'):  # Finding "a" tag under "upcoming-matches" class.
        clearlink = links.get('href')  # Getting the value of variable.
        if clearlink.startswith('/matches/'):  # Checking for if our link starts with "/matches/"
            matchlinks.append('https://hltv.org' + clearlink)  # Adding into list.

Answer 1

实际上，该网站首先显示今天的比赛(在顶部)，然后是接下来几天的比赛。所以，如果你想获得今天的比赛，你可以简单地使用 find() ，返回找到的第一个匹配项。

使用它会给你你想要的:

today = soup.find('div', class_='match-day')

---

但是，如果您想明确指定日期，您可以使用 text='2018-05-02' 找到包含今天日期的标签。作为 find() 的参数方法。但是，请注意，在页面源代码中，标签是 <span class="standard-headline">2018-05-02</span>而不是 <div>标签。得到这个标签后，使用 .parent 得到<div class="match-day">标签。

today = soup.find('span', text='2018-05-02').parent

---

同样，如果你想让解决方案更通用，你可以使用 datetime.date.today()而不是硬编码的日期。

today = soup.find('span', text=datetime.date.today()).parent

您必须导入 datetime模块。