Python与BeautifulSoup，未能找到'a'标签

Question

这里有一段HTML代码（来自delicious）：

<h4>
<a rel="nofollow" class="taggedlink " href="http://imfy.us/" >Generate Secure Links with Anonymous Referers &amp; Anti-Bot Protection</a>
<span class="saverem">
  <em class="bookmark-actions">
    <strong><a class="inlinesave action" href="/save?url=http%3A%2F%2Fimfy.us%2F&amp;title=Generate%20Secure%20Links%20with%20Anonymous%20Referers%20%26%20Anti-Bot%20Protection&amp;jump=%2Fdux&amp;key=fFS4QzJW2lBf4gAtcrbuekRQfTY-&amp;original_user=dux&amp;copyuser=dux&amp;copytags=web+apps+url+security+generator+shortener+anonymous+links">SAVE</a></strong>
  </em>
</span>
</h4>

我想找到所有类名为“inlinesave action”的链接。以下是我的代码：

sock = urllib2.urlopen('http://delicious.com/theuser')
html = sock.read()
soup = BeautifulSoup(html)
tags = soup.findAll('a', attrs={'class':'inlinesave action'})
print len(tags)

但是它什么都没找到！

有什么想法吗？

谢谢！

Answer 1

Python 字符串方法

html=open("file").read()
for item in html.split("<strong>"):
    if "class" in item and "inlinesave action" in item:
        url_with_junk = item.split('href="')[1]
        m = url_with_junk.index('">') 
        print url_with_junk[:m]

Answer 2

你可以尝试使用pyparsing来取得一些进展：

from pyparsing import makeHTMLTags, withAttribute

htmlsrc="""<h4>... etc."""

atag = makeHTMLTags("a")[0]
atag.setParseAction(withAttribute(("class","inlinesave action")))

for result in atag.searchString(htmlsrc):
    print result.href

这会产生（长结果输出在'...'处被省略）：

/save?url=http%3A%2F%2Fimfy.us%2F&title=Genera...+anonymous+links

Answer 3

如果你想找到一个恰好有这两个类的链接，你可能需要用到正则表达式，我觉得是这样的：

tags = soup.findAll('a', attrs={'class': re.compile(r'\binlinesave\b.*\baction\b')})

要记住，如果类名的顺序反过来了（比如 class="action inlinesave"），这个正则表达式就不管用了。

下面这个写法应该在所有情况下都能用（虽然我觉得它看起来有点丑）：

soup.findAll('a', 
    attrs={'class': 
        re.compile(r'\baction\b.*\binlinesave\b|\binlinesave\b.*\baction\b')
    })