捕獲IDS與XPath在Python從URL源

Question

想象我有內容，如：

cont="""<a id="test1" class="SSSS" title="DDDD" href="AAAA">EXAMPLE1</a>.....<a id="test2" class="GGGG" title="ZZZZ" href="VVVV">EXAMPLE2</a>.... 
""" 

我想要什麼：

id1='test1' 
id2='test2' 
idn='testn' 

你能糾正我？

if '<a id=' in cont: 
    ....? 

我一定要使用正則表達式在 Python或有通過的XPath的方法來抓住他們？

注：我只希望在標籤

Answer 1

下載BS4這裏所有ID：http://www.crummy.com/software/BeautifulSoup/

文檔：http://www.crummy.com/software/BeautifulSoup/bs4/doc/

這應該工作：

from bs4 import BeautifulSoup 

soup = BeautifulSoup(cont) 
for a in soup.select('a'): # Or soup.find_all('a') if you prefer 
    if a.get('id') is not None: 
     print a.get('id') 

或者用理解得到清單：

ids = [a.get('id') for a in BeautifulSoup(cont).select('a') if a.get('id') is not None] 

Answer 2

通過列表理解和BeautifulSoup。

>>> from bs4 import BeautifulSoup 
>>> cont="""<a id="test1" class="SSSS" title="DDDD" href="AAAA">EXAMPLE1</a>.....<a id="test2" class="GGGG" title="ZZZZ" href="VVVV">EXAMPLE2</a>.... 
""" 
>>> soup = BeautifulSoup(cont) 
>>> [i.get('id') for i in soup.findAll('a') if i.get('id') != None] 
['test1', 'test2'] 
>>> [i['id'] for i in soup.findAll('a') if i['id'] != None] 
['test1', 'test2']