这是我的代码,用于清除网页中的所有链接:
from bs4 import BeautifulSoup
import requests
import re
page = requests.get("http://www3.asiainsurancereview.com/News")
soup = BeautifulSoup(page.text, "html.parser")
for link in soup.findAll('a', attrs={'href': re.compile("^http://")}):
print(link.get('href'))
links.close()
但它只列出了下拉列表中存在的链接。为什么?为什么它没有“看到”网页上新闻文章的链接?我真的想把所有的新闻文章都删掉。我尝试了以下操作,以识别一个标记并在该标记中刮取新闻文章链接:
import requests
import re
links=open("Life_and_health_links.txt", "a")
page = requests.get("http://www3.asiainsurancereview.com/News")
soup = BeautifulSoup(page.text, "html.parser")
li_box = soup.select('div.col-sm-5 > ul > li > h5 > a')
for link in li_box:
print(link['href'])
当然,这只显示特定标记中的链接。要列出其他标记中的链接,我必须多次运行此代码,指定要列出其链接的特定标记。但是,如何在所有标签中列出新闻文章的所有链接,并跳过不属于新闻文章的链接?你知道吗
你需要做一些研究来找到新闻链接的共同模式。你知道吗
试试这个,希望有用。你知道吗
相关问题 更多 >
编程相关推荐