python从href源中提取id值答案

【问题标题】：python extract id value from href sourcepython从href源中提取id值
【发布时间】：2013-07-14 21:54:40
【问题描述】：

我已经使用 beautifulsoup 从页面源中提取了 href URI，但是我现在想从以下示例的多个实例中提取 UID 值：

例如

<a href="test.html?uid=5444974">
<a href="test.html?uid=5444972">
<a href="test.html?uid=54444972">

我们将不胜感激！

【问题讨论】：

如果你能提取href属性，那么urlparse会帮你
stackoverflow.com/a/11281019/594589 @DanLecocq 建议

标签： python regex beautifulsoup

【解决方案1】：

>>> html
'<a href="test.html?uid=5444974">\n<a href="test.html?uid=5444972">\n<a href="test.html?uid=54444972">'
>>> soup = BeautifulSoup(html)
>>> ass = soup.find_all('a')
>>> r = re.compile('uid=(\d+)')
>>> uids = []
>>> for a in ass:
...     uids.append(r.search(a['href']).group(1))
... 
>>> uids
['5444974', '5444972', '54444972']
>>>

【讨论】：

【解决方案2】：

使用urlparse 和parse_qs：

html = """<a href="test.html?uid=5444974">
<a href="test.html?uid=5444972">
<a href="test.html?uid=54444972">
"""

from bs4 import BeautifulSoup as BS
from urlparse import urlparse, parse_qs
soup = BS(html)
for a in soup('a', href=True):
    print parse_qs(urlparse(a['href']).query)['uid'][0]

输出：

5444974
5444972
54444972

【讨论】：