Python 如何在一些锚定标记之间提取文本？

我需要从HTML页面中提取艺术家的名字。以下是该页面的一个片段：

我在哪里搞砸了？

你可以试试这个：

In [1]: from bs4 import BeautifulSoup

In [2]: s = # Your string here...

In [3]: soup = BeautifulSoup(s)

In [4]: for anchor in soup.find_all('a'):
   ...:     print anchor.text
   ...:
   ...:

here lies the text i need

---

在这里，

find\u all

方法返回一个包含所有匹配锚定标记的列表，之后我们可以打印

文本

属性以获取标记之间的值。

正则表达式是您的朋友。作为RocketDonkey答案的另一种选择，RocketDonkey正确地使用了BeautifulSoup；您可以使用如下正则表达式通过soup（'a'）进行解析

>([a-zA-Z]*|[0-9]|(\w\s*)*)</a>

>（[a-zA-Z]*|[0-9]|（\w\s*）*）

您可以利用该方法直接获取锚定标记之间的文本

用于汤中的链接。选择（'td.subjectCell a'）：
打印link.text

---

它是

td

元素中具有subjectCell类的

a

元素。

soup.findAll

和

link.attrs

可用于轻松读取

href

属性

工作代码：

soup = BeautifulSoup(html)

for link in soup.findAll('a'):
    print (link.attrs['href'])

/music/example
/music/example-artist

输出：

soup = BeautifulSoup(html)

for link in soup.findAll('a'):
    print (link.attrs['href'])

/music/example
/music/example-artist

---

你正在打印

html

而不是循环中的

link

。哦，是的，我打印html是为了在这里发布代码，但忘了更改。但仍然不是我需要的解决方案，它打印整个锚定标签。我已经在这里回答了您的问题，它可能会起作用

str（link）

或

link。prettify（）

是您想要的吗？这不是您最初问muchacho的问题。你的问题应该更具描述性，我们无法读懂你的心思。用正则表达式解析html就像与骑士的盔甲共舞。

find\u all

方法名称不是有点像python吗？而且，它并不完全返回一个迭代器，而是一个列表。@CristianCiupitu是的，在我的脑海中仍然有旧的BeautifulSoup方法。至于迭代器的评论，我归咎于我已经过了睡觉时间：）@muchacho没有复制并粘贴[1]：中的

，或者
。
。这些是他的ipython终端的线路号。它不是有效的python。可以从一个.txt打开多个URL，然后一次刮取网页内容吗？@muchacho是的，您可以将其包装在一个
for
循环中，循环遍历URL，也许可以将匹配项存储在一个新列表中。我建议您阅读
for
循环和
open
——这应该会让您开始：）感谢您提供此代码片段，它可能会提供一些有限的、即时的帮助。通过展示为什么这是一个很好的问题解决方案，A将极大地提高它的长期价值，并将使它对未来有其他类似问题的读者更有用。请在您的回答中添加一些解释，包括您所做的假设。
/music/example
/music/example-artist