Привет, я не могу понять, как найти ссылки, которые начинаются с определенного текста для моей жизни. findall ('a') работает отлично, но это слишком много. Я просто хочу составить список всех ссылок, которые начинаются с http://www.nhl.com/ice/boxscore.htm?id=
Кто-нибудь может мне помочь?
Большое спасибо
Сначала настройте тестовый документ и откройте парсер с помощью BeautifulSoup:
>>> from BeautifulSoup import BeautifulSoup
>>> doc = '<html><body><div><a href="something">yep</a></div><div><a href="http://www.nhl.com/ice/boxscore.htm?id=3">somelink</a></div><a href="http://www.nhl.com/ice/boxscore.htm?id=7">another</a></body></html>'
>>> soup = BeautifulSoup(doc)
>>> print soup.prettify()
<html>
<body>
<div>
<a href="something">
yep
</a>
</div>
<div>
<a href="http://www.nhl.com/ice/boxscore.htm?id=3">
somelink
</a>
</div>
<a href="http://www.nhl.com/ice/boxscore.htm?id=7">
another
</a>
</body>
</html>
Затем мы можем искать все теги <a> с атрибутом href, начиная с http://www.nhl.com/ice/boxscore.htm?id=. Вы можете использовать для него регулярное выражение:
>>> import re
>>> soup.findAll('a', href=re.compile('^http://www.nhl.com/ice/boxscore.htm\?id='))
[<a href="http://www.nhl.com/ice/boxscore.htm?id=3">somelink</a>, <a href="http://www.nhl.com/ice/boxscore.htm?id=7">another</a>]
Вам может не понадобиться BeautifulSoup, поскольку ваш поиск специфичен
>>> import re
>>> links = re.findall("http:\/\/www\.nhl\.com\/ice\/boxscore\.htm\?id=.+", str(doc))