如何在Python中使用BeautifulSoup从href提取部分文本

这是我的密码：

对于数据中的项目：

print(item.find_all('td')[2].find('a'))
print(item.find('span').text.strip())
print(item.find_all('td')[3].text)
print(item.find_all('td')[2].find(target="_blank").string.strip())

它在下面打印此文本

<a href="argument_transcripts/2016/16-399_3f14.pdf" 
id="ctl00_ctl00_MainEditable_mainContent_rptTranscript_ctl01_hypFile" 
target="_blank">16-399. </a>

Perry v. Merit Systems Protection Bd.

04/17/17

16-399.

佩里五世。功绩系统保护。
04/17/17
16-399.

我只想从href标签中看到这一部分：

16-399_3f14

---

我该怎么做？谢谢。

您可以使用find_all来提取具有href属性的锚元素，然后解析href值以获取您要查找的信息

from BeautifulSoup import BeautifulSoup

html = '''<a href="argument_transcripts/2016/16-399_3f14.pdf" 
id="ctl00_ctl00_MainEditable_mainContent_rptTranscript_ctl01_hypFile" 
target="_blank">16-399. </a>'''

soup = BeautifulSoup(html)

for a in soup.find_all('a', href=True):
    url = a['href'].split('/')
    print url[-1]

16-399_3f14.pdf

---

你试过什么样的东西

re

模块提供了从字符串中提取子字符串的强大工具，但是这种情况非常简单，您可能只需调用几个

str.split

。