python - 使用 beautiful soup 来解析给定 html 结构中的 href

Question

我有以下给定的 html 结构

<li class="g">
 <div class="vsc">    
  <div class="alpha"></div>
  <div class="beta"></div>
  <h3 class="r">
   <a href="http://www.stackoverflow.com"></a>
  </h3>
 </div>
</li> 

上面的html结构不断重复，使用BeautifulSoup和Python从上面的html结构解析所有链接(stackoverflow.com)的最简单方法是什么？

Answer 1

BeautifulSoup 4使用 CSS 选择器提供了一种实现此目的的便捷方法:

from bs4 import BeautifulSoup
soup = BeautifulSoup(html)
print [a["href"] for a in soup.select('h3.r a')]

这还具有通过上下文限制选择的优点:它仅选择属于 r 类 h3 节点子节点的 anchor 节点。

只需调整选择器即可轻松省略约束或选择最适合需要的约束；请参阅CSS selector docs为此。