提取特定 <div> 的无序列表：BeautifulSoup答案

【问题标题】：Extracting unordered list for a particular <div>: BeautifulSoup提取特定 <div> 的无序列表：BeautifulSoup
【发布时间】：2013-06-04 10:47:09
【问题描述】：

我正在抓取我的 Android 应用所需的 webpage。我想做的是从href 属性中提取国家。这与one 相同。

这是我的代码：

from bs4 import BeautifulSoup
import urllib2
import re

html_page = urllib2.urlopen("http://www.howtocallabroad.com/a.html")
soup = BeautifulSoup(html_page)
li = soup.select("ul > li > a")
for link in li:
    print link.get('href')

我遇到的问题是结果返回所有a 标记，包括来自其他divs 的标记

afghanistan/
albania/
algeria/
american-samoa/
andorra/
angola/
anguilla/
antigua/
argentina/
armenia/
aruba/
ascension/
australia/
austria/
azerbaijan/
codes.html  # not needed
nanp.html   # not needed
qa/         # not needed
forums/     # not needed

我想知道完成这项工作需要什么功能。我只想在<div id="content"> 中过滤hrefs。 docs 没有太多信息。

对不起，这是我第一次写python。

【问题讨论】：

标签： python html beautifulsoup

【解决方案1】：

使用findAll():

>>> for i in soup.find('div',{'id':'content'}).findAll('a'):
...     print i['href']
... 
afghanistan/
albania/
algeria/
american-samoa/
andorra/
angola/
anguilla/
antigua/
argentina/
armenia/
aruba/
ascension/
australia/
austria/
azerbaijan/

soup.find('div',{'id':'content'}) 照它说的做。它找到具有content 的id 的div 标签（<div id="content"> 将被匹配）。

.findAll()...找到所有！ 'a' 用作查找所有 a 标签的参数。它返回每个 a 标签的列表。

然后我只需打印每个 a-tag 的 href。

【讨论】：

【解决方案2】：

试试

li = soup.select("#content ul > li > a")

而不是

li = soup.select("ul > li > a")

【讨论】：

【解决方案3】：

这样做：

li = soup.select("#content ul > li > a")

例如：

li = soup.select("#[call india][1] ul > li > a")

【讨论】：