在BeautifulSoup，bs4版本文档中http://www.crummy.com/software/BeautifulSoup/bs4/doc/
列出了 HTML 文档:
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
我们经常使用 提取所有链接，例如
for link in soup.find_all('a'):
print(link.get('href'))
输出
http://example.com/elsie
http://example.com/lacie
http://example.com/tillie
在 HTML 文档本身中，这些链接列在“sister”类下并带有 id 标记，
<a class="sister" href="http://example.com/elsie" id="link1">
<a class="sister" href="http://example.com/lacie" id="link2">
<a class="sister" href="http://example.com/tillie" id="link3">
在实际网站中，我注意到这些 id 标签通常是数字列表，例如id="1"。有没有办法单独使用 id 标签来解析 HTML 文档？执行此操作的首选方法是什么？
首先，你可以获取“sister”类中的所有标签，即
soup.find_all(class_="sister")
然后呢？
最佳答案
如果您要使用 find_all() 来解决该问题，您可以使用正则表达式或函数:
soup.find_all("a", id=re.compile(r"^link\d+$") # id starts with 'link' followed by one or more digits at the end of the value
soup.find_all("a", id=lambda value: value and value.startswith("link")) # id starts with 'link'
或者，您可以使用 CSS 选择器来实现它:
soup.select("a[id^=link]") # id starts with 'link'
关于python - 使用BeautifulSoup按id解析，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33508202/