我有以下内容:
html =
'''<div class=“file-one”>
<a href=“/file-one/additional” class=“file-link">
<h3 class=“file-name”>File One</h3>
</a>
<div class=“location”>
Down
</div>
</div>'''
并且只想获取 href 的文本，即 /file-one/additional。所以我做了:
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'html.parser')
link_text = “”
for a in soup.find_all(‘a’, href=True, text=True):
link_text = a[‘href’]
print “Link: “ + link_text
但它只是打印一个空白，什么也没有。只需 链接:。所以我在另一个网站上测试了它，但使用了不同的 HTML，并且它有效。
我做错了什么？还是该站点有意编程为不返回 href 的可能性？
预先感谢您，一定会点赞/接受答案!
最佳答案
您的 html 中的“a”标签没有直接包含任何文本，但它包含一个包含文本的“h3”标签。这意味着 text 为 None，并且 .find_all() 无法选择标签。如果标签包含除文本内容以外的任何其他 html 元素，通常不要使用 text 参数。
如果您只使用标签的名称(和 href 关键字参数)来选择元素，您可以解决这个问题。然后在循环中添加一个条件来检查它们是否包含文本。
soup = BeautifulSoup(html, 'html.parser')
links_with_text = []
for a in soup.find_all('a', href=True):
if a.text:
links_with_text.append(a['href'])
或者，如果您更喜欢单行代码，则可以使用列表推导式。
links_with_text = [a['href'] for a in soup.find_all('a', href=True) if a.text]
或者你可以传递一个 lambda到 .find_all()。
tags = soup.find_all(lambda tag: tag.name == 'a' and tag.get('href') and tag.text)
如果您想收集所有链接，无论它们是否有文本，只需选择所有具有“href”属性的“a”标签。 anchor 标记通常有链接，但这不是必需的，所以我认为最好使用 href 参数。
使用 .find_all()。
links = [a['href'] for a in soup.find_all('a', href=True)]
将 .select() 与 CSS 选择器结合使用。
links = [a['href'] for a in soup.select('a[href]')]
关于Python + BeautifulSoup : How to get ‘href’ attribute of ‘a’ element?，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43814754/