Python BeautifulSoup Özel URL'leri ayıkla

Question

Sadece belirli URL'leri almak mümkün mü?

gibi:

<a href="http://www.iwashere.com/washere.html">next</a> 
<span class="class">...</span> 
<a href="http://www.heelo.com/hello.html">next</a> 
<span class="class">...</span> 
<a href="http://www.iwashere.com/wasnot.html">next</a> 
<span class="class">...</span> 

Çıktı çıktı URL'ler gibi http://www.iwashere.com/

sadece URL'ler olmalıdır:

http://www.iwashere.com/washere.html 
http://www.iwashere.com/wasnot.html 

Ben dize mantığı ile bunu yaptı. BeautifulSoup kullanarak herhangi bir doğrudan yöntem var mı?

Answer 1

Sen özellik değeri için normal bir ifade kullanarak da dahil olmak üzere birçok yöne eşleşebilir:

import re 
soup.find_all('a', href=re.compile('http://www\.iwashere\.com/')) 

(sizin gibi) eşleşir: Bir href özniteliği ile

[<a href="http://www.iwashere.com/washere.html">next</a>, <a href="http://www.iwashere.com/wasnot.html">next</a>] 

yüzden herhangi <a> etiketi Bu http://www.iwashere.com/ dizesiyle başlayan bir değere sahip.

yapabilirsiniz sonuçları üzerinde döngü ve sadece href niteliğini seçmemde:

>>> for elem in soup.find_all('a', href=re.compile('http://www\.iwashere\.com/')): 
...  print elem['href'] 
... 
http://www.iwashere.com/washere.html 
http://www.iwashere.com/wasnot.html 

yerine tüm göreli yolları eşleştirmek için değer değil başlangıç ​​ile yaparsa testleri negatif ileriye bakma belirtilme kullanmak bir şema (ör. http: veya mailto:) veya çift eğik çizgi (//hostname/path); Eğer BeautifulSoup 4.0.0 veya daha kullanıyorsanız

soup.find_all('a', href=re.compile(r'^(?!(?:[a-zA-Z][a-zA-Z0-9+.-]*:|//))')) 

Answer 2

: Bu tür bir değer yerine göreli bir yol olmalıdır O mükemmel çalıştı

soup.select('a[href^="http://www.iwashere.com/"]')