如何根据python中的条件提取文本

Question

我有如下的汤数据。<a href="/title/tt0110912/" title="Quentin Tarantino">Pulp Fiction</a><a href="/title/tt0137523/" title="David Fincher">Fight Club</a><a href="blablabla" title="Yet to Release">Yet to Release</a><a href="something" title="Movies">Coming soon</a>我需要这些标签中的文本数据a，也许href=/title/*wildcharacter*我的可能看起来像这样。titles = []for a in soup.find_all("a",href=True):    if a.text:        titles.append(a.text.replace('\n'," "))print(titles)但是在这种情况下，我会从所有a标签中获取文本。我只需href要有"/title/***".

Answer 1

我猜你想要这样：

from bs4 import BeautifulSoup

html = '''<a href="/title/tt0110912/" title="Quentin Tarantino">

Pulp Fiction

</a>

<a href="/title/tt0137523/" title="David Fincher">

Fight Club

</a>

<a href="blablabla" title="Yet to Release">

Yet to Release

</a>

<a href="something" title="Movies">

Coming soon

</a>

'''

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

titles = []

for a in soup.select('a[href*="/title/"]',href=True):

    if a.text:

        titles.append(a.text.replace('\n'," "))

print(titles)

输出：

[' Pulp Fiction ', ' Fight Club ']

Answer 2

您可以使用正则表达式来搜索属性的内容（在本例中为 href）。

Answer 3

1.) 要获取所有以 开头的<a>标签，您可以使用 CSS 选择器。href="/title/"a[href^="/title/"]

2.) 要去除标签内的所有文本，您可以使用.get_text()with 参数strip=True

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

out = [a.get_text(strip=True) for a in soup.select('a[href^="/title/"]')]

print(out)

印刷：

['Pulp Fiction', 'Fight Club']