Python 获取HTML href链接，该链接与包含Beautiful Soup的字符串列表中的字符串相匹配

我正在尝试从包含URL列表的网页获取URL。我不想得到所有的URL，只有那些文本与列表中字符串文本匹配的URL。字符串列表是网页上链接文本的子集，我通过抓取页面并删除我不想要的文本来提取。我有一个字符串列表存储在

文件名中

我正在尝试提取列表中包含字符串的链接。下面返回一个空列表

r=requests.get（url）
soup=BeautifulSoup（r.content，'html5lib'）
links=soup.findAll（'a'，string=filename[0]）
文件链接=[link['href']如果在链接['href']中“导出”，则链接中的链接为[link['href']

标记看起来像这样：

我想获得前三个的href链接，但不是最后一个，因为字符串

“ECZ公民教育论文2 2009”。

不在我的字符串列表中。该网站的链接是

我的字符串列表如下所示：

文件名=['ECZ数学论文2 2019'，'ECZ数学论文2 2019'，
“ECZ科学论文3 2009”。]

---

我只想要前三个链接，因为链接的文本在我的列表中（文件名）。我不想要第四个链接，因为href链接（ECZ Civil Education Paper 2 2009）旁边的文本不在我的列表中，因为我不想下载此文件。

如果请求已成功接收。然后使用bs解析它，并使用findAll查找链接“a”的标记。我认为没有必要在findAll中传递（string=filenames[0]）

from bs4 import BeautifulSoup as bs
temp = """<p><a href="https://drive.google.com/uc?export=download&id=1wVjbdN9fztrjxhONGRX5U6N1OJDAChOi">
                            ECZ Mathematics Paper 2 2019.</a></p>

<p><a href="https://drive.google.com/uc?export=download&id=1x_9E3PaviCuSsqfJqOsQKOwVlCWZ1jqf">
                            ECZ Mathematics Paper 1 2019.</a></p>

<p><a href="https://drive.google.com/uc?export=download&id=1QFOzpPLuQPup8FtKgOoIcvzTnzCaRzUp">
                            ECZ Science Paper 3 2009.</a></p>

<p><a href="https://drive.google.com/uc?export=download&id=0B0lFc6TrfIg7aENYc1V6akRVVnc">
                            ECZ Civic Education Paper 2 2009.</a></p>"""

soup =bs(temp, 'html5lib')
links = soup.findAll('a')
file_links = [link['href'] for link in links if "export" in link['href']]

---

用这种方法试试看是否有效：

   html = """    
    <p><a href="https://drive.google.com/uc?export=download&id=1wVjbdN9fztrjxhONGRX5U6N1OJDAChOi">
                                ECZ Mathematics Paper 2 2019.</a></p>    
    <p><a href="https://drive.google.com/uc?export=download&id=1x_9E3PaviCuSsqfJqOsQKOwVlCWZ1jqf">
                                ECZ Mathematics Paper 1 2019.</a></p>    
    <p><a href="https://drive.google.com/uc?export=download&id=1QFOzpPLuQPup8FtKgOoIcvzTnzCaRzUp">
                                ECZ Science Paper 3 2009.</a></p>    
    <p><a href="https://drive.google.com/uc?export=download&id=0B0lFc6TrfIg7aENYc1V6akRVVnc">
                                ECZ Civic Education Paper 2 2009.</a></p>   
   """
    filenames = ['ECZ Mathematics Paper 2 2019.', 'ECZ Mathematics Paper 2 2019.',
                 'ECZ Science Paper 3 2009.']

    soup = bs(html, 'html5lib')

    all_links = soup.findAll('a')

    for link in all_links:           
        for nam in filenames:                
            if link.text.strip()==nam:
                print(link['href'])

---

您可以构造CSS选择器，然后一次性选择链接。例如（

html

是问题中的代码片段）：

印刷品：

https://drive.google.com/uc?export=download&id=1wVjbdN9fztrjxhONGRX5U6N1OJDAChOi
https://drive.google.com/uc?export=download&id=1x_9E3PaviCuSsqfJqOsQKOwVlCWZ1jqf
https://drive.google.com/uc?export=download&id=1QFOzpPLuQPup8FtKgOoIcvzTnzCaRzUp

---

你能从你的stings列表中发布几个例子吗？我已经编辑了这篇文章，包括我的列表的一个例子。我只想要前三个链接，因为链接的文本在我的列表（文件名）中。我不想要第四个链接，因为href链接（ECZ Civil Education Paper 2 2009）旁边的文本不在我的列表中，因为我不想下载此文件。这非常有效，但我已经接受了答案。谢谢你。

https://drive.google.com/uc?export=download&id=1wVjbdN9fztrjxhONGRX5U6N1OJDAChOi
https://drive.google.com/uc?export=download&id=1wVjbdN9fztrjxhONGRX5U6N1OJDAChOi
https://drive.google.com/uc?export=download&id=1QFOzpPLuQPup8FtKgOoIcvzTnzCaRzUp

filenames = ['ECZ Mathematics Paper 1 2019.',
             'ECZ Mathematics Paper 2 2019.',
             'ECZ Science Paper 3 2009.']

from bs4 import BeautifulSoup

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

for a in soup.select(','.join('a:contains("{}")'.format(i) for i in filenames)):
    print(a['href'])

https://drive.google.com/uc?export=download&id=1wVjbdN9fztrjxhONGRX5U6N1OJDAChOi
https://drive.google.com/uc?export=download&id=1x_9E3PaviCuSsqfJqOsQKOwVlCWZ1jqf
https://drive.google.com/uc?export=download&id=1QFOzpPLuQPup8FtKgOoIcvzTnzCaRzUp