如何根据python中的条件提取文本答案

【问题标题】：How to extract text based on a condition in python如何根据python中的条件提取文本
【发布时间】：2020-11-13 15:37:17
【问题描述】：

我的汤数据如下所示。

<a href="/title/tt0110912/" title="Quentin Tarantino">
Pulp Fiction
</a>

<a href="/title/tt0137523/" title="David Fincher">
Fight Club
</a>

<a href="blablabla" title="Yet to Release">
Yet to Release
</a>

<a href="something" title="Movies">
Coming soon
</a>

我需要来自a 标签的文本数据，可能是href=/title/*wildcharacter*

我的可能有点像这样。

titles = []

for a in soup.find_all("a",href=True):
    if a.text:
        titles.append(a.text.replace('\n'," "))
print(titles)

但在这种情况下，我会从所有 a 标记中获取文本。我只需要href 具有"/title/***" 的文本。

【问题讨论】：

标签： python pandas beautifulsoup

【解决方案1】：

1.) 要获取所有<a> 标签，其中href= 以"/title/" 开头，您可以使用CSS 选择器a[href^="/title/"]。

2.) 要去除标签内的所有文本，您可以使用.get_text() 和参数strip=True

soup = BeautifulSoup(html_text, 'html.parser')

out = [a.get_text(strip=True) for a in soup.select('a[href^="/title/"]')]
print(out)

打印：

['Pulp Fiction', 'Fight Club']

【讨论】：

【解决方案2】：

我猜你想要这样：

from bs4 import BeautifulSoup

html = '''<a href="/title/tt0110912/" title="Quentin Tarantino">
Pulp Fiction
</a>

<a href="/title/tt0137523/" title="David Fincher">
Fight Club
</a>

<a href="blablabla" title="Yet to Release">
Yet to Release
</a>

<a href="something" title="Movies">
Coming soon
</a>
'''

soup = BeautifulSoup(html, 'html.parser')

titles = []

for a in soup.select('a[href*="/title/"]',href=True):
    if a.text:
        titles.append(a.text.replace('\n'," "))
print(titles)

输出：

[' Pulp Fiction ', ' Fight Club ']

【讨论】：

【解决方案3】：

您可以使用正则表达式来搜索属性的内容（在本例中为 href）。

更多详情请参考这个答案：https://stackoverflow.com/a/47091570/1426630

【讨论】：