筛选从使用 Beautiful Soup 制作的网络爬虫返回的列表

Question

我正在使用 python 来编码。我一直在尝试抓取 nba 选秀前景的名称、球队图片和学院。但是，当我抓取学院的名称时，我会同时获得学院页面和学院名称。我怎样才能让我只看到大学？我尝试将 .string 和 .text 添加到锚（anchor.string）的末尾。

import urllib2
from BeautifulSoup import BeautifulSoup
# or if your're using BeautifulSoup4:
# from bs4 import BeautifulSoup

list = []
soup = BeautifulSoup(urllib2.urlopen(
                            'http://www.cbssports.com/nba/draft/mock-draft'
                             ).read()
                     )

rows = soup.findAll("table",
                    attrs = {'class':'data borderTop'})[0].tbody.findAll("tr")[2:]

for row in rows:
  fields = row.findAll("td")
  if len(fields) >= 3:
    anchor = row.findAll("td")[2].findAll("a")[1:]
    if anchor:
      print anchor

Answer 1

不仅仅是：

print anchor

使用：

print anchor[0].text

Answer 2

html 中锚点的格式是 <a href='web_address'>Text-that-is-displayed</a>，所以除非已经有一个花哨的 html 解析器库（我敢打赌有，只是不知道），否则您可能需要使用某种正则表达式来解析出你想要的锚部分。