使用 Beautiful Soup 在 href 元素中提取特定的伪标签 [重复]

Question

我有一个锚标记如下：

<a class="gsc_a_at" href= "/citations?view_op=view_citation&amp;hl=en&amp;user=11JgipcAAAAJ&amp;pagesize=100&amp;citation_for_view=11JgipcAAAAJ:j3f4tGmQtD8C">'''

我想使用beautifulSoup 提取citation_for_view 之后的内容。没有regular expressions，我该怎么办。

以下是我尝试过的。

input_data = ''' '''

#!/usr/bin/python
from bs4 import BeautifulSoup

soup = BeautifulSoup(input_data)

for href_tags in soup.find_all('a',href=True):
    print href_tags['href']

这个输出：

/citations?view_op=view_citation&hl=en&user=11JgipcAAAAJ&pagesize=100&citation_for_view=11JgipcAAAAJ:j3f4tGmQtD8C

如何提取href 内的citation_for_view 的内容并仅输出11JgipcAAAAJ:j3f4tGmQtD8C

Answer 1

您可以使用urlparse

>>> import urlparse

>>> url = '/citations?view_op=view_citation&hl=en&user=11JgipcAAAAJ&pagesize=100&citation_for_view=11JgipcAAAAJ:j3f4tGmQtD8C'
>>> vals = urlparse.parse_qs(url)
>>> print vals.get('citation_for_view')
['11JgipcAAAAJ:j3f4tGmQtD8C']