我如何从此HTML中提取HREF和标题

Question

我的BS4.Element.ResultSet具有这种格式：

    [<h3 class="foo1">
    <a href="someLink" title="someTitle">SomeTitle</a>
    </h3>,
    <h3 class="foo1">
    <a href="OtherLink" title="OtherTitle">OtherTitle</a>
    </h3>]

而且我希望能够提取并保存在元组中 [（title，href），（title2，href2）]但是我似乎不能这样做

，但最接近的尝试

    link = soup.find('h3',class_='foo1').find('a').get('title')
    print(link)

只是返回2个或更多的第一个元素 我如何成功提取每个HREF和标题

Answer 1

使用css选择器选择您的元素更具体的元素，然后在Resultset上迭代以获取每个元素的属性，为tum>元组的列表：

[(a.get('title'),a.get('href')) for a in soup.select('h3 a[href][title]')]

示例

from bs4 import BeautifulSoup
html = '''
<h3 class="foo1">
    <a href="someLink" title="someTitle">SomeTitle</a>
</h3>
<h3 class="foo1">
    <a href="OtherLink" title="OtherTitle">OtherTitle</a>
</h3>
'''
soup = BeautifulSoup(html)

[(a.get('title'),a.get('href')) for a in soup.select('h3 a[href]')]

输出

[('someTitle', 'someLink'), ('OtherTitle', 'OtherLink')]

Answer 2

代码：

soup.select('h3.foo1>a[href][title]').map(lambda link : (link.get("href"), link.get("title")))

说明：

soup.select('h3.foo1>a[href][title]')

选择具有HREF和标题的所有a元素，它们是H3 带有foo1类的元素。

.map(lambda link : 

对于这些a元素中的每个元素，请用下面的内容替换它们。

(link.get("href"), link.get("title"))

制作包含链接的HREF和标题的元组。