Python Selenium 获取所有“href”属性答案

【问题标题】：Python Selenium Get All "href" attributesPython Selenium 获取所有“href”属性
【发布时间】：2019-06-13 08:07:15
【问题描述】：

如何在this page 上获取此“h2”标题的所有“href”属性？

<h2 class="entry-title">
<a href="http://www.allitebooks.com/deep-learning-with-python-2/" rel="bookmark">Deep Learning with Python</a>
</h2>

我试过的没有得到href，是：

title = driver.find_elements_by_class_name('entry-title')
title[0].get_attribute('href')

这没有得到“a”标签的链接。如果我在“a”标签上查找所有元素，它将返回页面上的每个href（这不是我想要的）。我想只返回上面的标题，但能够获取它们的 url“href”属性。

【问题讨论】：

标签： python selenium href

【解决方案1】：

这里的代码从所有页面获取所有书籍：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

driver = webdriver.Chrome()
baseUrl = "http://www.allitebooks.com/page/1/?s=python"
driver.get(baseUrl)

# wait = WebDriverWait(driver, 5)
# wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, ".search-result-list li")))

# Get last page number
lastPage = int(driver.find_element(By.CSS_SELECTOR, ".pagination a:last-child").text)

# Get all HREFs for the first page and save them in hrefs list
js = 'return [...document.querySelectorAll(".entry-title a")].map(e=>e.href)'
hrefs = driver.execute_script(js)

# Iterate throw all pages and get all HREFs of books
for i in range(2, lastPage):
    driver.get("http://www.allitebooks.com/page/" + str(i) + "/?s=python")
    hrefs.extend(driver.execute_script(js))

for href in hrefs:
    print(href)

【讨论】：

【解决方案2】：

Selenium 可能对您的需要有点过头了，好的旧 BeautifulSoup 也可以解决问题。

import urllib.request, bs4
body = urllib.request.urlopen(urllib.request.Request("http://www.allitebooks.com/page/1/?s=python", headers={"User-Agent": "Mozilla"})).read().decode("utf-8")
soup = bs4.BeautifulSoup(body)
for element in soup.find_all("h2", class_="entry-title"):
    for link in element.find_all("a"):
        print(link.get("href"))

【讨论】：