创建列表在Python

Question

我可以分析，看起来像一个文件：

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

但是当我给它只是：

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

它的错误。

如何将soup转换为完全忽略# extract youtube video urls过程的列表，这是我认为我需要做的吗？

# 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，我想我可能只是利用现有的代码和urls = soup提取视频的ID，但URL列表，当我做，它说我只有1个网址。

感谢

Answer 1

你的问题 - 因为它是 - 是颇令人费解：beautifulsoup用来解析XML树，但你似乎您试图解析一个简单的文本文件，而不是？

如果是这样的情况下，假设该文件有每行一个网址，你只需要逐行加载它和它的内容分配给urls

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

，那么你可以简单地使用你已经拥有的循环：

# 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？