Beautifulsoup提取字符串部分

Question

我是新來的Beautifulsoup 4，發現它真的很方便！但是，我得到了這個問題，當我需要拆分字符串：

這裏有一個例子：

我，如果我一個鏈接，是

<a href="http://nihao-wobuhao?%93%23%24%12&sort=102">NIHAO</a> 

我得到符合soap.findChildren('a')，但什麼只需要'sort = 102'部分？

我試圖使用soap.find_all(re.compile(^sort=.*?))但它不起作用，任何人都可以幫助我嗎？提前致謝！

Answer 1

制定一項點點@唐的回答是：

• 通過定位a元素，例如，文本
• 得到使用類似於字典的訪問href屬性值Tag的屬性
• 使用urlparse.parse_qs()獲得網址查詢參數

工作示例：

>>> from bs4 import BeautifulSoup 
>>> from urlparse import urlparse, parse_qs 
>>> 
>>> html = '<a href="http://nihao-wobuhao?%93%23%24%12&sort=102">NIHAO</a>' 
>>> parse_qs(urlparse(soup.find("a", text="NIHAO")['href']).query)['sort'][0] 
u'102' 

注意的是Python 3，您需要在進口裏urlparse改變：

>>> from urllib.parse import urlparse, parse_qs 

Answer 2

urlparse module將挑選出一段URL。你可以使用它來獲得你正在查找的查詢參數。