假设我有这个简单的html。
<html>
<body>
<!--[if !mso]><!-->
<a href="http://link1.com">Link 1</a>
<!--<![endif]-->
<!--[if mso]>
<a href="http://link2.com">Link 2</a>
<![endif]-->
</body>
</html>
有没有办法用 lxml.html 或 BeautifulSoup 获得两个链接？目前我只得到一个链接。换句话说，我希望解析器也能查看html条件注释（不知道是什么技术术语）。
lxml.html
>>> from lxml import html
>>> doc = html.fromstring(s)
>>> list(doc.iterlinks())
<<< [(<Element a at 0x10f7f7bf0>, 'href', 'http://link1.com', 0)]
美丽汤
>>> from BeautifulSoup import BeautifulSoup
>>> b = BeautifulSoup(s)
>>> b.findAll('a')
<<< [<a href="http://link1.com">Link 1</a>]
需要提取注释，然后解析这些注释。
html = '''<html>
<body>
<!--[if !mso]><!-->
<a href="http://link1.com">Link 1</a>
<!--<![endif]-->
<!--[if mso]>
<a href="http://link2.com">Link 2</a>
<![endif]-->
</body>
</html>'''
from bs4 import BeautifulSoup, Comment
soup = BeautifulSoup(html, 'html.parser')
links = soup.find_all('a', href=True)
comments = soup.find_all(string=lambda text: isinstance(text, Comment))
for comment in comments:
if BeautifulSoup(comment).find_all('a', href=True):
links += BeautifulSoup(comment).find_all('a', href=True)
print (links)
输出。
[<a href="http://link1.com">Link 1</a>, <a href="http://link2.com">Link 2</a>]