如何在Python中提取<h1></h1>之间的href链接？

Question

我是新来的Python，我试图学习网络抓取。

我有下面的代码，并想知道如何获得/打印HREF或链接：

< .h1> < .A HREF =“https://www.nytimes.com/tips “有一个机密的新闻提示？

Answer 1

您可以使用BeautifulSoup得到这个工作做完：

from urllib.request import urlopen 
from bs4 import BeautifulSoup 
import re 

response = urlopen("http://someurl.com") 
page_source = response.read() 
soup = BeautifulSoup(page_source, 'html.parser') 
x = soup.find_all('h1') 
print (x) 

那么所有你需要做的就是从输出使用re模块和提取数据。