Python 使用Beautifulsoup和Mechanize解析元素中的href属性值

有人能帮我用漂亮的汤遍历html树吗

我试图通过html输出进行解析，收集每个值后，用python/django将其插入名为

Tld

的表中

<div class="rc" data-hveid="53">
<h3 class="r">
<a href="https://billing.anapp.com/" onmousedown="return rwt(this,'','','','2','AFQjCNGqpb38ftdxRdYvKwOsUv5EOJAlpQ','m3fly0i1VLOK9NJkV55hAQ','0CDYQFjAB','','',event)">Billing: Portal Home</a>
</h3>

其中：

问题是上面的

find\u all

，距离

元素还不够远

非常感谢您的帮助。 多谢各位

from bs4 import BeautifulSoup

html = """
<div class="rc" data-hveid="53">
<h3 class="r">
<a href="https://billing.anapp.com/" onmousedown="return rwt(this,'','','','2','AFQjCNGqpb38ftdxRdYvKwOsUv5EOJAlpQ','m3fly0i1VLOK9NJkV55hAQ','0CDYQFjAB','','',event)">Billing: Portal Home</a>
</h3>
"""

bs = BeautifulSoup(html)
elms = bs.select("h3.r a")
for i in elms:
    print(i.attrs["href"])

h3.ra

是一个

您可以使用css选择器（我更喜欢）、xpath或find-in元素。选择器

h3.ra

将查找类

r

的所有

h3

，并从它们内部获取

a

元素。它可能是一个更复杂的例子，比如

#an_id table tr.the_tr_class td.the_td_class

，它会找到一个给定td的id，它属于给定类的tr，当然也在一个表中

这也会给你同样的结果

find_all

返回一个列表，其中包含

bs4.element.Tag

，

find_all

有一个递归字段，不确定是否可以在一行中完成，我个人更喜欢css选择器，因为它简单且干净

for elm in  bs.find_all('h3',attrs={'class': 'r'}):
    for a_elm in elm.find_all("a"):
        print(a_elm.attrs["href"])

---

除了打印，是否可以将“tld”插入django表？@CodeTalk我对django一无所知：（感谢您告诉我该怎么做。有一个问题-BeautifulSoup是否在整个过程中或多或少使用CSS选择器来选择元素和子元素？抱歉，我没有提到您也可以使用find_all或xpath来完成此操作，但我发现CSS选择器是最简单、最干净的方法。是的，在这种情况下，它可以获得所有子元素

a

，我会重新考虑。）我告诉你css选择器，当我开始解析时，我使用的是regex，然后我开始使用find方法。当我发现我可以使用css选择器时，我的生活变得轻松多了。第一次看起来有点吓人，但只是语法和习惯而已

for url in urls:
    mb.open(url)
    beautifulSoupObj = BeautifulSoup(mb.response().read())
    beautifulSoupObj.find_all('h3',attrs={'class': 'r'})

from bs4 import BeautifulSoup

html = """
<div class="rc" data-hveid="53">
<h3 class="r">
<a href="https://billing.anapp.com/" onmousedown="return rwt(this,'','','','2','AFQjCNGqpb38ftdxRdYvKwOsUv5EOJAlpQ','m3fly0i1VLOK9NJkV55hAQ','0CDYQFjAB','','',event)">Billing: Portal Home</a>
</h3>
"""

bs = BeautifulSoup(html)
elms = bs.select("h3.r a")
for i in elms:
    print(i.attrs["href"])

https://billing.anapp.com/

for elm in  bs.find_all('h3',attrs={'class': 'r'}):
    for a_elm in elm.find_all("a"):
        print(a_elm.attrs["href"])