BeautifulSoup：在html中查找特定URL并打印

Question

好的，我有这个 html 页面（充满不同的 url），我想在其中获取单个 url 并打印它。

网页为：https://bdkv2.borger.dk/foa/Sider/default.aspx?fk=22&foaid=11523251

我想打印网址 www.albertslund.dk

源代码看起来像这样：

<a href="http://www.albertslund.dk" id="_uscAncHomesite" target="_blank"><strong><span id="ctl00_PlaceHolderMain_FormControlHandler1__uscShowDataAuthorityDetails__uscLblHomesite">http://www.albertslund.dk</span></strong></a>

当我尝试抓取它并使用它的 ID（使用 BeautifulSoup 和 Mechanize）打印它时，它只返回一个空列表。我想使用 ID 获取 URL，因为我正在抓取一堆类似的网站，其中我想要的东西具有相同的 ID。

kommuneside = br.open(https://bdkv2.borger.dk/foa/Sider/default.aspx?fk=22&foaid=11523251)
html2 = kommuneside.read()
soup2 = BeautifulSoup(html2)
hjemmesidelink = soup2.findAll('a', attras={'ID':'_uscAncHomesite'})
print hjemmesidelink

这仅返回一个空列表： []

如果我尝试这样：

print hjemmesidelink['href']

我得到：TypeError：列表索引必须是整数，而不是 str

我本以为这很简单，但我是个菜鸟，它已经困扰我好几天了。

Answer 1

您的代码中有很多拼写错误，所以我不能确定为什么您的搜索不匹配任何内容，但最可能的问题是您正在搜索属性“ID”（大写），但是标记中的属性是“id”（小写）。

由于您只想查找一个标签，因此我建议您使用 find()，它将单独返回标签，而不是包含该标签的列表。这就是我编写代码的方式：

print soup.find('a', id='_uscAncHomesite')                                      
# <a href="0" id="_uscAncHomesite" target="_blank">...</a>

顺便说一下，你对 findAll 的使用让我觉得你正在使用 Beautiful Soup 3。我推荐 Beautiful Soup 4 用于所有新项目。

Answer 2

我刚刚检查了该页面的源代码，没有

_uscAnc1Homesite

。 不过，有一个

_uscAncHomesite

。也许你不小心插入了那个

1

？

尝试一下：

import re

hjemmesidelink = soup2.findAll('a', id='_uscAncHomesite')
regex = r'\[<a href="([^"]+)"'
pair = re.findall(regex, hjemmesidelink)

这应该可以完美识别您的链接。