从页面上的字段中抓取值答案

【问题标题】：Scraping value from field on a page从页面上的字段中抓取值
【发布时间】：2013-04-21 16:26:43
【问题描述】：

我正在抓取一个包含如下链接的页面：

<a id="something" href="place" class="thing" data="12345">
<span class="otherthing"></span></a>

我想提取名为 data 的字段中的数字。我一直在尝试像这样使用 BeautifulSoup：

soup = BeautifulSoup(response)
for a in soup.findAll('a'):
        if 'data' in a['a']:
                print a['a']['data']

但我遇到了一个关键错误。

【问题讨论】：

【解决方案1】：

也许这就是你需要的：

for a in soup.findAll('a'):
    if a.has_attr('data'):
        print(a['data'])

【讨论】：

【解决方案2】：

仅获取具有data 属性的<a> 元素：

data = [a['data'] for a in soup.findAll('a', data=True)]

只保留那些在data 属性中包含整数的元素：

import re

data = [int(a['data']) for a in soup.findAll('a', data=re.compile(r"^\d+$"))]

【讨论】：