正则表达式提取带有硒中数字的链接答案

【问题标题】：Regex to extract links with digits in selenium正则表达式提取带有硒中数字的链接
【发布时间】：2017-10-09 11:24:30
【问题描述】：

以下是链接列表。

<a class="table-link" href="/tasks/document/new">Should review
</a></td>
<a class="table-link" href="/tasks/document/58324">Should review
</a></td>
<td>
<a class="table-link" href="/tasks/document/58325">AFCO certificate
</a></td>
<td>
<a class="table-link" href="/tasks/document/58325">Document Task
</a></td>
<td>
<a class="table-link" href="/tasks/document/58326">Pending
</a></td>
<td>
<a class="table-link" href="/tasks/document/58327">Cami  ltd
</a></td>
<td>
<a class="table-link" href="/tasks/document/58328">29 Sep 14:57

我想提取所有以数字结尾并包含/tasks/document 的链接。输出应该如下：

 <a class="table-link" href="/tasks/document/58324">
    <a class="table-link" href="/tasks/document/58325">
    <a class="table-link" href="/tasks/document/58326">
    <a class="table-link" href="/tasks/document/58327">
    <a class="table-link" href="/tasks/document/58328">

我正在使用以下代码driver.find_elements_by_css_selector("a[href*='/tasks/document/']")

如何将其修改为仅读取数字？

【问题讨论】：

您的代码尝试在哪里？请参阅：How do I do X? SO 的期望是，提出问题的用户不仅会进行研究以回答他们自己的问题，还会分享研究、代码尝试和结果。这表明您已经花时间尝试帮助自己，它使我们免于重复明显的答案，最重要的是它可以帮助您获得更具体和相关的答案！另见：How to Ask

标签： python regex selenium beautifulsoup

【解决方案1】：

这可以使用 BeautifulSoup 来完成，如下所示：

html = """    
<a class="table-link" href="/tasks/document/new">Should review</a></td>
<a class="table-link" href="/tasks/document/58324">Should review/a></td>
<td>
<a class="table-link" href="/tasks/document/58325">AFCO certificate</a></td>
<td>
<a class="table-link" href="/tasks/document/58325">Document Task</a></td>
<td>
<a class="table-link" href="/tasks/document/58326">Pending</a></td>
<td>
<a class="table-link" href="/tasks/document/58327">Cami  ltd</a></td>
<td>
<a class="table-link" href="/tasks/document/58328">29 Sep 14:57"""

from bs4 import BeautifulSoup        
import re

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

for a in soup.find_all('a', href=re.compile(r'\/tasks\/document\/\d+')):
    print a

这将显示：

<a class="table-link" href="/tasks/document/58324">Should review</a>
<a class="table-link" href="/tasks/document/58325">AFCO certificate</a>
<a class="table-link" href="/tasks/document/58325">Document Task</a>
<a class="table-link" href="/tasks/document/58326">Pending</a>
<a class="table-link" href="/tasks/document/58327">Cami  ltd</a>
<a class="table-link" href="/tasks/document/58328">29 Sep 14:57</a>

如果您只需要实际的href，请使用：

print a['href']

给你：

/tasks/document/58324
/tasks/document/58325
/tasks/document/58325
/tasks/document/58326
/tasks/document/58327
/tasks/document/58328

【讨论】：

【解决方案2】：

在 selenium 中没有这样的选项。

如果需要，您可以使用 selenium 获取源代码并将其提供给 beautifulsoup 解析器。然后你可以使用正则表达式来查找想要的元素。

【讨论】：