在 Python 中使用 BeautifulSoup 提取“a”标签时的空变量答案

【问题标题】：Empty variable when extracting 'a' tags using BeautifulSoup in Python在 Python 中使用 BeautifulSoup 提取“a”标签时的空变量
【发布时间】：2020-10-21 10:35:17
【问题描述】：

我需要从转储中提取所有链接：

import requests
from bs4 import BeautifulSoup

index = requests.get('https://dumps.wikimedia.org/backup-index.html').text
soup_index = BeautifulSoup(index, 'html.parser')
dumps = [a['href'] for a in soup_index.find_all('a')
        if a.has_attr('href') and a.text[:-1].isdigit()]

但是我得到一个空的转储变量。

我做错了什么？

【问题讨论】：

可能是因为没有a.text，它的最后一个字符是数字。
@JackFleeting 我该如何解决？这是示例之一'zhwiki'
是的，许多<a> 节点都有文本，但文本不以.isdigit() 要求的数字结尾。所以没有办法解决这个问题。如果需要，您可以删除条件并打印文本。
另外，您的预期输出究竟是什么？
@JackFleeting 我正在尝试提取链接

标签： python-3.x beautifulsoup html-parsing list-comprehension

【解决方案1】：

您可能正在寻找这样的东西：

targets = soup_index.find_all('a',href=True)
for target in targets:
    print(target,target.text)

输出：

<a href="angwikibooks/20200701">angwikibooks</a> angwikibooks
<a href="huwikisource/20200701">huwikisource</a> huwikisource
<a href="cswikiquote/20200701">cswikiquote</a> cswikiquote
<a href="cawikibooks/20200701">cawikibooks</a> cawikibooks

等等

【讨论】：