在 Python 中创建列表

Question

我可以解析一个看起来像这样的文件：

<a href="http://www.youtube.com/watch?v=DpQNMBzwShs"></a>

但是当我给它的时候：

http://www.youtube.com/watch?v=DpQNMBzwShs

它出错了。

如何将soup 变成一个完全跳过# extract youtube video urls 进程的列表，这是我认为我需要做的？

# parse bookmarks.html
with open(sys.argv[1]) as bookmark_file:
    soup = BeautifulSoup(bookmark_file.read())

# extract youtube video urls
video_url_regex = re.compile('http://www.youtube.com/watch')
urls = [link['href'] for link in soup('a', href=video_url_regex)]

# extract video ids from the urls
ids = []
for video_url in urls:
    url = urlparse.urlparse(video_url)
    video_id = urlparse.parse_qs(url.query).get('v')
    if not video_id: continue # no video_id in the url
    ids.append(video_id[0])

当我 print soup 它给了我一个 url 列表，我认为我可以使用现有代码和 urls = soup 提取视频 ID，但是当我这样做时它说我只有 1 个 url。

谢谢

Answer 1

您的问题——事实上——令人费解：beautifulsoup 用于解析 XML 树，但您似乎试图解析一个简单的文本文件？

如果是这种情况，假设文件每行有一个 URL，您只需逐行加载它并将其内容分配给 urls

urls = open('<your-filename-here>').readlines()

那么您可以简单地使用已有的循环：

# extract video ids from the urls
ids = []
for video_url in urls:
    url = urlparse.urlparse(video_url)
    video_id = urlparse.parse_qs(url.query).get('v')
    if not video_id: continue # no video_id in the url
    ids.append(video_id[0])

...但也许我误解了你？