从表格中抓取链接

Question

我想从表格中抓取链接及其各自的文本。我计划使用正则表达式来完成此操作。

假设在这个页面中我有多个<a href="url_i">text_i</a> 标签。我想将所有 text_i 放入一个列表中，然后将所有 href 放入一个单独的列表中。

我有：

web = requests.get(url)
web_text = web.text
texts = re.findall(r'<table .*><a .*>(.*)</a></table>, web_text)'

正则表达式在任何类的 HTML 表中查找任何类的所有锚标记并返回文本，对吗？这需要非常长的时间。这是正确的做法吗？

另外，我现在如何获取 href 网址？

Answer 1

我建议你使用Beautiful Soup来解析表格的HTML文本。

改编自Beautiful Soup's documentation，例如：

from bs4 import BeautifulSoup
soup = BeautifulSoup(web_text, 'html.parser')

for link in soup.find_all('a'):
    print(link.get('href'))