我正在嘗試抓取網(wǎng)站：http://edition.cnn.com/EVENTS/1996/year.in.review/ 并嘗試獲取排名前 10 的故事，這是我迄今為止的嘗試，我想知道是否有我忽略了一種更簡單的方法來一次性完成這個任務嗎？另外，我正在嘗試找到一種方法來刪除每個打印之間的換行符，因為我不知道為什么每個標題之間有一個間隙。
1 回答
皈依舞
TA貢獻1851條經(jīng)驗 獲得超3個贊
好吧，我曾經(jīng)縮短了選擇值以開頭的re所有標簽的路徑，您也可以用不同的方式來完成，例如。ahreftopten
for item in soup.select("a[href^=topten]"):
然后我得到了標簽內的所有文本，然后stripped將其與strip=True并放置一個空separator，這樣text就不會一起分配。
import requests
from bs4 import BeautifulSoup
import re
def main(url):
r = requests.get(url)
soup = BeautifulSoup(r.content, 'html.parser')
for item in soup.findAll("a", href=re.compile("^topten")):
item = item.get_text(strip=True, separator=" ")
if item:
print(item)
main("http://edition.cnn.com/EVENTS/1996/year.in.review/main.html")
輸出：
Israel elects Netanyahu
Crash of TWA Flight 800
Russia elects Yeltsin
U.S . elects Clinton
Hutu-Tutsi conflict in central Africa
Peace, elections in Bosnia
U.S . base bombed in Saudi Arabia
Centennial Olympic Games
Advances against AIDS
Unabomb suspect Ted Kaczynski arrested
- 1 回答
- 0 關注
- 115 瀏覽
添加回答
舉報
0/150
提交
取消