如何使用 beautifulsoup 提取嵌套标签结构中的属性值？答案

【问题标题】：How to extract value of attribute in a nested tag structure using beautifulsoup?如何使用 beautifulsoup 提取嵌套标签结构中的属性值？
【发布时间】：2012-07-17 00:01:48
【问题描述】：

我有一个看起来与此类似的 html 文件：

<html>
...
<li class="not a user"> </li>
<li class="user">
 <a href="abs" ...> </a>
</li>
<li class="user">
 <a href="bss" ...> </a>
</li>
...
</html>

鉴于上述输入，我想用 class="user" 解析 li 标签并获取 href 的值作为输出。这可能在python中使用beautifulsoup吗？？？

我的解决方案是：

data="the above html code snippet"
soup=BeautifulSoup(data)
listset=soup("li","user")
for list in listset:
   attrib_value=[a['href'] for a in list.findAll('a',{'href':True})]

显然我在某处有一个错误，它只列出了最后一个锚标记的 href 的属性值。

【问题讨论】：

为什么要在每个循环中一遍又一遍地设置 attrib_value？你在每次迭代中用它做什么？
问题是当我想要一个属性值列表时，我只是在每次迭代中不断重新分配！ :P

标签： python html parsing beautifulsoup

【解决方案1】：

您的代码很好。 listset 中有三个元素 - 并且 attrib_value 在循环的每次迭代中都会被覆盖，因此在程序结束时，它仅包含来自 listset 的最后一个元素的 href 值，即 bss .

尝试这样做以保留所有值：

attrib_value += [a['href'] for a in list.findAll('a',{'href':True})]

并在循环之前将attrib_value初始化为空列表（attrib_value = []）。

【讨论】：