python - 提取特定的无序列表: 美丽汤

Question

我正在抓取我的 android 应用程序所需的这个网页。我想做的是从href属性中提取国家。这和这个是一样的。

这是我的代码：

from bs4 import BeautifulSoup
import urllib2
import re

html_page = urllib2.urlopen("http://www.howtocallabroad.com/a.html")
soup = BeautifulSoup(html_page)
li = soup.select("ul > li > a")
for link in li:
    print link.get('href')

我得到的问题是结果返回所有a标签，包括来自其他divs

afghanistan/
albania/
algeria/
american-samoa/
andorra/
angola/
anguilla/
antigua/
argentina/
armenia/
aruba/
ascension/
australia/
austria/
azerbaijan/
codes.html  # not needed
nanp.html   # not needed
qa/         # not needed
forums/     # not needed

我想知道完成这个需要什么功能。我只想过滤hrefs <div id="content">。文档没有太多信息。

对不起，这是我第一次写 python。

Answer 1

使用findAll()：

>>> for i in soup.find('div',{'id':'content'}).findAll('a'):
...     print i['href']
... 
afghanistan/
albania/
algeria/
american-samoa/
andorra/
angola/
anguilla/
antigua/
argentina/
armenia/
aruba/
ascension/
australia/
austria/
azerbaijan/

soup.find('div',{'id':'content'})做它所说的。它找到具有idof content(<div id="content">将被匹配) 的 div 标签。

.findAll()...找到所有！'a'用作查找所有 a 标签的参数。它返回每个 a 标签的列表。

然后我只需打印每个 a-tag 的href.

Answer 2

尝试

li = soup.select("#content ul > li > a")

代替

li = soup.select("ul > li > a")

Answer 3

这样做：

li = soup.select("#content ul > li > a")

例如：

li = soup.select("#[call india][1] ul > li > a")