きさげスレッド-HREF

Question

import bs4 
from bs4 import BeautifulSoup as soup 
from urllib.request import urlopen as uReq 
import requests 
import re 
from pyquery import PyQuery as pq 
from requests.exceptions import RequestException 

my_url = 'http://club.baby.sina.com.cn/forum-112-1.html' 
uClient = uReq(my_url) 
page_html = uClient.read() 
uClient.close() 

page_soup = soup(page_html, "html.parser") 
page_soup.find_all('span') 

上記のコードは返します。この場合、

[<span><a href="http://bbs.sina.com.cn/" target="_top"><img alt="新浪网" src="http://i1.sinaimg.cn/dy/images/header/2009/standardl2nav_sina_new.gif"/></a><a href="http://bbs.sina.com.cn/"><img alt="新浪论坛" src="http://i1.sinaimg.cn/book/main/bbssitemap/xlltbbs_logo.gif"/></a></span>, 
<span class="frameswitch"> 
<a href="http://club.baby.sina.com.cn/index.php">亲子论坛</a> »    

      </span>, 
<span class="" id="username_tip_text"></span>, 
<span class="postbtn" id="newspecial" onmouseover="$$('newspecial').id = 'newspecialtmp';this.id = 'newspecial';showMenu(this.id)"><a href="http://club.baby.sina.com.cn/post.php?action=newthread&amp;fid=112&amp;extra=page%3D1" title="发新话题"><img alt="发新话题" src="http://www.sinaimg.cn/IT/deco/dzbbs/images/baby_blue/newtopic.gif"/></a></span>, 
<span class="postbtn" id="newspecial" style="margin-right:10px;"></span>, 
<span class="ad_mid" id="ad_mid" style="padding-right:10px;"> </span>, 
<span id="thread_3298101"><a href="thread-3298101-1-1.html" style="color: red" target="_blank">**关于育儿专家答疑论坛的一些问题**</a></span>, 
<span id="thread_2962220"><a href="thread-2962220-1-1.html" style="color: green" target="_blank">亲子专家张思莱免费讲座通知</a></span>, 
<span id="thread_2574079"><a href="thread-2574079-1-1.html" style="font-weight: bold;color: blue" target="_blank">轮滑是幼儿时期的一项最好的运动</a></span>, 
<span id="thread_925446"><a href="thread-925446-1-1.html" style="color: orange" target="_blank">关于婴儿身上的各种“记”(转贴)</a></span>, 
<span id="thread_992843"><a href="thread-992843-1-1.html" target="_blank">关于推荐婴幼儿钙和维生素D的参考摄入量的问题</a></span>, 
<span id="thread_992833"><a href="thread-992833-1-1.html" target="_blank">婴幼儿奶粉怎么选择？</a></span>, 
<span id="thread_992832"><a href="thread-992832-1-1.html" target="_blank">关于辅食添加的问题</a></span>, 
<span id="thread_989947"><a href="thread-989947-1-1.html" target="_blank">再一次希望妈妈好好看看我的文章：如何向医生介绍孩子病情</a></span>, 
<span id="thread_989930"><a href="thread-989930-1-1.html" target="_blank">婴幼儿便秘产生的原因及对策</a></span>, 
<span id="thread_11656752"><a href="thread-11656752-1-1.html" target="_blank">工晶体是不是越贵越好</a></span>, 

が、私はそれぞれの最初のスレッドをこすりするために、私は、各スレッドのポストに行くことができるようにを解析しようとしています役職。誰もこのhrefタグの解析に役立つことができますか？

Answer 1

まず、すべてのspan要素を見つけるのはあまりにも多いです。

threads = page_soup.select('span[id^=thread]') 

^=は、「で始まる」を意味しますのは、スコープthreadで始まるid属性値を持つspan要素への我々の検索してみましょう。

threads = page_soup.select('span[id^=thread]') 
for thread in threads: 
    print(thread.a.get_text()) 

プリント：

**关于育儿专家答疑论坛的一些问题** 
亲子专家张思莱免费讲座通知 
轮滑是幼儿时期的一项最好的运动 
... 
剖蓓舒要火，因为一份爱！ 
小儿肺热有那些症状 

あなたは、スレッドのタイトルを取得したい場合

すると、ちょうどインナーa要素のテキストを取得