Python 使用BeautifulSoup4从HTML获取消息

我的HTML格式如下：

<a class="archive-title" target="_blank" href="http://python.jobbole.com/84100/" title="SQLAlchemy 和其他的 ORM 框架">SQLAlchemy 和其他的 ORM 框架</a><br />
            2016/01/12 &middot

结果是：

http://python.jobbole.com/84100/ SQLAlchemy 和其他的 ORM 框架

---

我不知道如何同时获得2016/01/11的日期。我该怎么办？

如果整个页面中的模式相同：

[a.parents.contents[-1] for a in soup.find_all('a')]

---

（如果父节点中有更多内容，则将索引更改为非-1）

如果整个页面中的模式相同：

[a.parents.contents[-1] for a in soup.find_all('a')]

---

（如果父节点中有更多内容，则将索引更改为非-1）

Regex始终是一个选项：

import re
src = """<a class="archive-title" target="_blank" href="http://python.jobbole.com/84100/" title="SQLAlchemy 和其他的 ORM 框架">SQLAlchemy 和其他的 ORM 框架</a><br />
        2016/01/12 &middot"""
print re.findall('(\d{4}/\d{2}/\d{2})', src.replace('\n','') )

重新导入
src=“”

2016/01/12和middot“
print re.findall（'（\d{4}/\d{2}/\d{2}'），src.replace（'\n'，''）

---

结果是：['2016/01/12']

正则表达式始终是一个选项：

import re
src = """<a class="archive-title" target="_blank" href="http://python.jobbole.com/84100/" title="SQLAlchemy 和其他的 ORM 框架">SQLAlchemy 和其他的 ORM 框架</a><br />
        2016/01/12 &middot"""
print re.findall('(\d{4}/\d{2}/\d{2})', src.replace('\n','') )

重新导入
src=“”

2016/01/12和middot“
print re.findall（'（\d{4}/\d{2}/\d{2}'），src.replace（'\n'，''）

---

结果是：['2016/01/12']

你已经试过了吗？请显示此（示例代码）！您确实发现BeautifulSoup是一种可以帮助您的功能…您可以使用result=soup.find_all（text=True）。这将查找包括日期在内的所有文本（不幸的是，它还会再次查找标题（也是文本））。现在，您正在查看所有的“a”标记，而日期不在标记中（但在它之后）。您已经尝试过了吗？请显示此（示例代码）！您确实发现BeautifulSoup是一种可以帮助您的功能…您可以使用result=soup.find_all（text=True）。这将查找包括日期在内的所有文本（不幸的是，它还会再次查找标题（也是文本））。现在您正在查看所有的“a”标记，日期不在标记中（而是在它之后）。