<a> </a>之间的Python网页抓取访问值[重复]答案

【问题标题】：Python web scraping access value between <a> </a> [duplicate]<a> </a>之间的Python网页抓取访问值[重复]
【发布时间】：2021-02-18 12:28:37
【问题描述】：

我是网络抓取的新手，如果之前有人问过这个问题，我深表歉意。

假设我有这个 html 代码：<a aria-current="page" aria-label="Current page" href="https://name_webpage.com/">1</a>

如何使用 python 访问<a> </a> 之间的值，即 1？

非常感谢！

【问题讨论】：

您可能会使用 regex 而侥幸，但对于更复杂的用途，您将需要一个专用库，例如 beautifulsoup。
这能回答你的问题吗？ (Beautiful Soup) How to extract data from HTML tags
最好避免使用正则表达式来解析 HTML。使用 HTML 解析器，就像在链接的副本中一样。有几个相关的重复，也请搜索其他的，尽管那里给出的一些答案应该足够了。
非常感谢您的回答！ @costaparas 回答解决了我的问题！
您应该包含有关您用于执行抓取的包的信息 - 一个简单的 Web 客户端，例如 aiohttp 或请求？诸如 Scrapy 之类的专用工具？还是 Selenium 之类的浏览器驱动程序？这个问题的潜在答案太多了。

标签： python web-scraping

【解决方案1】：

你指的是 python，所以我猜你想尝试 Beautiful Soup 来抓取 html。

在 BS4 中，可以通过寻址标签的数组 .contents[] 来访问标签的内容。标签应该只有一个字段，因此您可以省略括号。使用 strip() 从链接中获取纯文本。

示例代码：

from bs4 import BeautifulSoup

doc = '<a aria-current="page" aria-label="Current page" href="https://name_webpage.com/">1</a>'

soup  = BeautifulSoup(doc, 'html.parser')

print(soup.a.contents[0].strip())

结果：

$ python scrapetest.py
1
$

【讨论】：