如何在某些锚标记之间提取文本？

Question

我需要从HTML页面提取艺术家的名字。这是该页面的摘要：

 </td>
 <td class="playbuttonCell">
   <a class="playbutton preview-track" href="/music/example" data-analytics-redirect="false"  >
      <img class="transparent_png play_icon" width="13" height="13" alt="Play" src="http://cdn.last.fm/flatness/preview/play_indicator.png" style="" />
    </a>
  </td>
  <td class="subjectCell" title="example, played 3 times">
    <div>
      <a href="/music/example-artist"   >Example artist name</a>

我已经尝试过了，但是没有完成任务。

import urllib
from bs4 import BeautifulSoup

html = urllib.urlopen('http://www.last.fm/user/Jehl/charts?rangetype=overall&subtype=artists').read()
soup = BeautifulSoup(html)
print soup('a')

for link in soup('a'):
    print html

我在哪里弄糟？

Answer 1

for link in soup.select('td.subjectCell a'):
    print link.text

selects (just like CSS)元素内具有[[subjectCell类的a元素。

Answer 2

您可以尝试以下方法：

td

[这里，In [1]: from bs4 import BeautifulSoup

In [2]: s = # Your string here...

In [3]: soup = BeautifulSoup(s)

In [4]: for anchor in soup.find_all('a'):
   ...:     print anchor.text
   ...:
   ...:

here lies the text i need
方法返回一个列表，其中包含所有匹配的定位标记，然后我们可以打印find_all属性以获取标记之间的值。

Answer 3

text

Answer 4

soup.findAll和link.attrs可用于轻松读取href属性。

工作代码：

spans = soup.find_all("div", {"class": "overlay tran3s"})
    for span in spans:
        links = span.find_all('a')
        for link in links:
            print(link.text)

输出：

/音乐/示例/ music / example-artist

Answer 5

正则表达式是您的朋友。替代RocketDonkey的答案，后者正确使用了BeautifulSoup。您可以使用像这样的正则表达式来解析汤（'a'）

soup = BeautifulSoup(html)

for link in soup.findAll('a'):
    print (link.attrs['href'])

您可以利用>([a-zA-Z]*|[0-9]|(\w\s*)*)</a>
方法直接在锚标记之间捕获文本。