如何从Python中的字符串中剥离？答案

【问题标题】：How to strip from string in Python?如何从Python中的字符串中剥离？
【发布时间】：2018-03-16 19:32:53
【问题描述】：

我正在使用 beautifulsoup 将所有链接附加到数组“get_link”中。

get_link = []
for a in soup.find_all('a', href=True):
    if a.get_text(strip=True):
     get_link .append(a['href'])

get_link 的输出：

['index.html?country=2',
 'index.html?country=25',
 'index.html?country=1',
 'index.html?country=6',
 'index.html?country=2']

如何得到下面的输出？

[country=2',
 country=25',
 country=1',
 country=6',
 country=2']

【问题讨论】：

我不明白你在问什么。您的标题与您显示的代码几乎没有关系。您是否只是想弄清楚如何获取每个 index.html?country=... 字符串的 country=... 部分？使用str.index 和切片似乎很容易，但是我会写一个答案，说当我完全不确定这实际上是您要问的问题时。
@Blckknght 我的英语不好，所以我无法更好地解释。有什么方法可以将右、左函数与数组一起使用，这样我就可以只保留数组 get_link 的必要文本
对不起，我还是不明白你所说的“左右函数”是什么意思。如果您的所有链接都是同一种类型（它们总是以index.html? 开头，而这正是您想要截断的内容，那么您可以执行get_link.append(a['href'][11:])。[11:] 是截断前 11 个字符的切片。如果您的链接看起来不同，您可能需要更复杂的逻辑。
get_link.append(a['href'][11:]) 它已经工作了。感谢您的宝贵时间。

标签： python python-3.x pandas beautifulsoup

【解决方案1】：

获取所有具有非空文本值和href属性的a标签（链接）的优化方法：

links = [l.get('href').replace('index.html?','') 
         for l in soup.find_all('a', href=True, string=True) if l.text.strip()]
print(links)

【讨论】：

是的，这是删除“index.html”的另一种方法？谢谢！

【解决方案2】：

有很多方法可以只获取“country=”，有些已经在 bs4 中，但如果你愿意，可以使用正则表达式：

import re
ui=['index.html?country=2',
 'index.html?country=25',
 'index.html?country=1',
 'index.html?country=6',
 'index.html?country=2']





pattern=r'(country=[0-9]{0,99})'



print("\n".join([re.search(pattern,i).group() for i in ui]))

结果：

country=2
country=25
country=1
country=6
country=2

【讨论】：