如何在python 3中减去soup.find_all()答案

【问题标题】：How to substract soup.find_all() in python 3如何在python 3中减去soup.find_all()
【发布时间】：2016-11-28 02:46:12
【问题描述】：

我想更改我的soup.find.all 的输出。在原始来源中，我们有这个：

<a href="/book/nfo/?id=4756888" class="ajax nfo"></a>

我的soup.find_all:

href = [b.get('href') for b in soup.find_all('a', href=re.compile(r'.*\?id\=\d{4,8}'))]

给我这个：

/book/nfo/?id=4756888

但我想要这个：

http://127.0.0.1/book/download/?id=4756888

【问题讨论】：

这是您想用下载替换 nfo 的单个 url /book/nfo/ 吗？
还有多少其他的url？
我还有很多其他的任何 url。
您必须列出所有 url 以获得解决方案，或者至少列出它们都遵循的通用模式。但是通过阅读以下答案，您可能已经了解了如何解决。
Mohammad Yusuf Ghazi 的解决方案为我工作。

标签： python regex beautifulsoup

【解决方案1】：

您可以使用Python string 的属性向其中添加和替换部分：

a='/book/nfo/?id=4756888'
b = 'http://127.0.0.1' + a.replace('nfo', 'download')
print(b)

给出：

'http://127.0.0.1/book/download/?id=4756888'

这里不需要使用regex。

【讨论】：

你是对的。但我确信他会带来更多的网址:)

【解决方案2】：

您可以编译正则表达式并将其应用到列表推导中，如下所示：

from bs4 import BeautifulSoup
import re

soup = BeautifulSoup('<a href="/book/nfo/?id=4756888" class="ajax nfo"></a>', 'html.parser')
re_s = re.compile(r'(.*?\/)nfo(\/.*?)').sub
hrefs = [re_s('http://127.0.0.1' + r'\1download\2', a.get('href')) for a in soup.find_all('a', href=re.compile(r'.*\?id\=\d{4,8}'))]
print(hrefs)

给你：

['http://127.0.0.1/book/download/?id=4756888']

【讨论】：

【解决方案3】：

您可以在前面加上http://127.0.0.1，并使用python的re.sub()函数将'nfo'替换为'download'。

re.sub(r'pattern_to_match',r'replacement_string', string)

你可以如下实现：

from bs4 import BeautifulSoup
import re

soup = BeautifulSoup("""<a href="/book/nfo/?id=4756888" class="ajax nfo"></a>""")
c = ['http://127.0.0.1'+b.get('href') for b in soup.find_all('a', href=re.compile(r'.*\?id\=\d{4,8}'))]
print([re.sub(r'nfo',r'download',q) for q in c ])

输出：

['http://127.0.0.1/book/download/?id=4756888']

【讨论】：