用漂亮的汤抓住父母的身份证？

Question

我在一个网站上抓取了一堆链接并将它们打印到一个列表中，但为了使列表更具可读性，我需要抓取链接父标签，但我不知道该怎么做。

我从中抓取的页面看起来像这样

<div id=bunch_of_links_1>
<a href=link 1>
<a href=link 2>
<a href=link etc> 
</div>
<div id=another_bunch_of_links_1>
<a href=another_link 1>
<a href=another_link 2>
<a href=another_link etc> 
</div>

所有链接都以 javascript 开头，所以我使用它来获取链接

links = soup.findAll(href=re.compile("javascript"))

然后使用 for 循环将它们全部打印出来。我应该如何获取每个链接的 div id 并将其与链接一起打印

编辑 - 我不确定在哪里插入 [(l, l.parent.get('id')) for l in links]

这是我的代码

links = soup.findAll(href=re.compile("javascript"))

for link in links:
full_link = link.get('href')
names = link.contents[0]
print "+names+", "+full_link+"

我希望能够与其他人一起打印 ID 标签

编辑 2

我把它放在我的 for 循环中

 idtag = link.parent.get('id')

当我打印 idtag var 时它不会给我任何错误，它返回 none

Answer 1

BeautifulSoup 中的每个元素都有一个指向父元素的.parent 属性。在这里使用它：

[(l, l.parent.get('id')) for l in links]

演示：

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('''\
... <div id=bunch_of_links_1>
... <a href=link 1>
... <a href=link 2>
... <a href=link etc> 
... </div>
... <div id=another_bunch_of_links_1>
... <a href=another_link 1>
... <a href=another_link 2>
... <a href=another_link etc> 
... </div>
... ''')
>>> 
>>> links = soup.find_all('a')
>>> [(l, l.parent.get('id')) for l in links]
[(<a href="link">
</a>, 'bunch_of_links_1'), (<a href="link">
</a>, 'bunch_of_links_1'), (<a etc="" href="link">
</a>, 'bunch_of_links_1'), (<a href="another_link">
</a>, 'another_bunch_of_links_1'), (<a href="another_link">
</a>, 'another_bunch_of_links_1'), (<a etc="" href="another_link">
</a>, 'another_bunch_of_links_1')]