BeautifulSoup 4：从不同的ptag提取多个标题和链接

Question

HTML代码：<div>    <p class="title">       <a href="/news/123456">title_1</a>     </p></div><div>    <p class="title">       <a href="/news/789000">title_2</a>     </p></div>我的代码：def web(WebUrl):    site = urlparse(WebUrl)    code = requests.get(WebUrl)    plain = code.text    s = BeautifulSoup(plain, "html.parser")    p_containers = s.find('p', {'class':'title'})    for title in s.find_all('p', {'class':'title'}):        line = title.get_text()        print(line)        for link in p_containers.find_all('a'):            line2 = link.get('href')            print(site.netloc + str(line2))嗨，大家好，我需要一些帮助，我的任务是从网页中提取标题和链接，我能够提取标题而不是链接。当我尝试抓取链接时，我只成功抓取了第一个链接，以下链接被忽略并替换为第一个抓取的链接。

Answer 1

您的代码中有大部分位，但只有一点点错了。我认为获取标题和链接的最简单方法是使用以下内容。

site = """<div>

    <p class="title">

       <a href="/news/123456">title_1</a> 

    </p>

</div>

<div>

    <p class="title">

       <a href="/news/789000">title_2</a> 

    </p>

</div>"""

s = BeautifulSoup(site, "html.parser")

for title in s.find_all('p', {'class':'title'}):

    links = [x['href'] for x in title.find_all('a', href=True)]

    line = title.get_text()

    print(line)

    print(links)

您可以看到 links 对象是一个列表，以防万一每个标题都有多个链接。

Answer 2

尝试这种方式将有助于从中查找所有值。

from bs4 import BeautifulSoup

text = """<div>

    <p class="title">

       <a href="/news/123456">title_1</a> 

    </p>

</div>

<div>

    <p class="title">

       <a href="/news/789000">title_2</a> 

    </p>

</div>

"""

soup = BeautifulSoup(text, 'html.parser')

for i in soup.find_all('p', attrs={'class': 'title'}):

    link = None

    if i.find('a'):

        link = i.find('a').get('href')

    print('Title:', i.get_text(strip=True), 'Link:', link)

# Output as:

# Title: title_1 Link: /news/123456

# Title: title_2 Link: /news/789000