Python 如何从HTML标题中获取带引号的字符串？

给定此HTML片段，如何使用python软件包请求或xlml查找href=之后的带引号的字符串

<dl>
    <dt><a href="oq-phys.htm">
        <b>Physics and Astronomy</b></a>
    <dt><a href="oq-math.htm">
        <b>Mathematics</b></a>
    <dt><a href="oq-life.htm">
        <b>Life Sciences</b></a>
    <dt><a href="oq-tech.htm">
        <b>Technology</b></a>
    <dt><a href="oq-geo.htm">
        <b>Earth and Environmental Science</b></a>
</dl>

---

对于上述示例，假设我们有包含上述代码片段的html\u字符串

import requests
import lxml.etree as LH
html_string =  LH.fromstring(requests.get('http://openquestions.com').text)

对于html_string.xpath（'//a'）中的引号_链接：
打印（quoted_link.attrib['href']，quoted_link.text_content（））

查找

href=

短

请求

+

美化组

解决方案：

import requests, bs4

soup = bs4.BeautifulSoup(requests.get('http://.openquestions.com').content, 'html.parser')
hrefs = [a['href'] for a in soup.select('dl dt a')]
print(hrefs)

输出：

['oq-phys.htm', 'oq-math.htm', 'oq-life.htm', 'oq-tech.htm', 'oq-geo.htm', 'oq-map.htm', 'oq-about.htm', 'oq-howto.htm', 'oqc/oqc-home.htm', 'oq-indx.htm', 'oq-news.htm', 'oq-best.htm', 'oq-gloss.htm', 'oq-quote.htm', 'oq-new.htm']

---

有很多方法可以剥这只猫的皮。这里有一个

请求

/

lxml

解决方案，它不包括用于循环的（显式）

：

import requests
from lxml.html import fromstring

req = requests.get('http://www.openquestions.com')
resp = fromstring(req.content)
hrefs = resp.xpath('//dt/a/@href') 
print(hrefs)

编辑

我为什么这样写：


比起CSS选择器，我更喜欢XPath
很快

基准：

import requests,bs4
from lxml.html import fromstring
import timeit

req = requests.get('http://www.openquestions.com').content

def myfunc() :
    resp = fromstring(req)
    hrefs = resp.xpath('//dl/dt/a/@href')

print("Time for lxml: ", timeit.timeit(myfunc, number=100))

##############################################################

resp2 = requests.get('http://www.openquestions.com').content

def func2() :
    soup = bs4.BeautifulSoup(resp2, 'html.parser')
    hrefs = [a['href'] for a in soup.select('dl dt a')]

print("Time for beautiful soup:", timeit.timeit(func2, number=100))

输出：

('Time for lxml: ', 0.09621267095780464)
('Time for beautiful soup:', 0.8594218329542824)

该代码段来自以下python代码：page=requests.get（'）print（page.text）您询问请求和xml时，好像它们是类似的东西，这让我很困惑。您是想获取html页面的内容，还是想解析内容并找到特定部分？我可能在问题中遗漏了一些重要信息，但结果是一个错误。谢谢你的努力！