我正在尝试使用 beautifulsoup 提取 URL 标签列表中的第一个 URL，但挂断了。到目前为止，我已经能够使用以下代码获得我正在寻找的结果。
rows = results.findAll('p',{'class':'row'})
for row in rows:
for link in row.findAll('a'):
print(link)
这会打印三个 <a>类似于以下标签。
<a href="http://something.foo">1</a>
<a href="http://something.bar">2</a>
<a href="http://something.foobar">3</a>
我想要做的是从第一个 a href 中提取 URL。 I found another post描述了使用一些正则表达式执行此操作，但到目前为止我还无法使其正常工作。
我不断收到此错误消息:
Traceback (most recent call last):
File "./scraper.py", line 25, in <module>
for link in row.find('a', href=re.compile('^http://')):
TypeError: 'NoneType' object is not iterable
任何帮助或指导将不胜感激。让我知道我需要发布哪些其他详细信息。
最佳答案
如果您只想要第一个结果，则无需使用 findAll - 您可以使用 find。
Html 属性在 BeautifulSoup 中作为字典公开。
最后，如果 find 的第二个参数是字符串而不是字典，则将其用作类。您还可以将其作为命名参数提供:find('p', class='row')。
了解了这一点，您就可以用简单的代码来完成您想要的事情:
results.find('p','row').find('a')['href']
关于python - 使用 beautifulsoup 从 URL 列表中获取第一个 URL，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/20383865/