[已解决]Python 55讲，第一个动手作业题

majian890324

import urllib.request
import re
from bs4 import BeautifulSoup

def main():
    url = "http://baike.baidu.com/view/284853.htm"
    response = urllib.request.urlopen(url)
    html = response.read()
    soup = BeautifulSoup(html, "html.parser") # 使用 Python 默认的解析器
    
   [code] for each in soup.find_all(href=re.compile("view")):
        print(each.text, "->", ''.join(["http://baike.baidu.com", each["href"]]))
        # 上边用 join() 不用 + 直接拼接，是因为 join() 被证明执行效率要高很多

if __name__ == "__main__":
    main()

请问大佬们，这个程序中

 for each in soup.find_all(href=re.compile("view")):
        print(each.text, "->", ''.join(["http://baike.baidu.com", each["href"]]))

这两句看了半天也看不懂是什么意思，主要是：

href=re.compile("view")

each["href"]

这两句不太懂
1、我知道re.compile是创建一个正则表达式模型，然后： href 是HTML中的标签？ 还是：re.compile（）的一个赋值变量？里边的“view”也没有出现正则表达式该有的符号呀？比如：*+？这类的。怎么就能匹配到含有view这个单词的网址呢？

2、each["href"]这句也不懂，尤其是：[‘href’]这个是什么意思呀？

3、for循环这句：for each in soup.find_all(href=re.compile("view"))：括号里用的是哪个参数收集的数据：soup.find_all(name,attr,**wrages) 是这三个哪个：我在小破站看了下beautifulsoup的视频，attr这个要是个字典，所以应该排除了，**wrages这个就像是变量赋值，我看这个挺像，就是不知道是不是这个？

问题比较多，实在不好意思，辛苦辛苦！！！

最佳答案

月排行榜 / 总排行榜

Twilight6

2020-7-22 20:31:19

soup.find_all(href=re.compile("view"))

查找网页中含有 href  属性的节点，并且该属性中含有 'view' 字符

而 each["href"] 的作用是因为上面的 soup 提取的是节点形成的列表，而不是直接把 href 给提取出来，所以这里 each["href"] 就是提取这个节点的 href 属性

---

1、我知道re.compile是创建一个正则表达式模型，然后： href 是HTML中的标签？ 还是：re.compile（）的一个赋值变量？
里边的“view”也没有出现正则表达式该有的符号呀？比如：*+？这类的。怎么就能匹配到含有view这个单词的网址呢？

正则并不是一定要填写 .+*之类的呀，.+*这些字符都是在正则有特殊作用的字符，你如果单纯输入 view 就是匹配字符串 view

2、each["href"]这句也不懂，尤其是：[‘href’]这个是什么意思呀？

for 循环到的节点赋值给 each ，然后 each["href"] 就是提取这个节点中的 href 属性

3、for循环这句：for each in soup.find_all(href=re.compile("view"))：括号里用的是哪个参数收集的数据：soup.find_all(name,attr,**wrages) 是这三个哪个：我在小破站看了下beautifulsoup的视频，attr这个要是个字典，所以应该排除了，**wrages这个就像是变量赋值，我看这个挺像，就是不知道是不是这个？

就是属于 attr 部分的，你可以看看这里的笔记： 数据提取-Beautiful Soup

跳转到最佳答案楼层

Twilight6

soup.find_all(href=re.compile("view"))

查找网页中含有 href  属性的节点，并且该属性中含有 'view' 字符

而 each["href"] 的作用是因为上面的 soup 提取的是节点形成的列表，而不是直接把 href 给提取出来，所以这里 each["href"] 就是提取这个节点的 href 属性

---

1、我知道re.compile是创建一个正则表达式模型，然后： href 是HTML中的标签？ 还是：re.compile（）的一个赋值变量？
里边的“view”也没有出现正则表达式该有的符号呀？比如：*+？这类的。怎么就能匹配到含有view这个单词的网址呢？

正则并不是一定要填写 .+*之类的呀，.+*这些字符都是在正则有特殊作用的字符，你如果单纯输入 view 就是匹配字符串 view

2、each["href"]这句也不懂，尤其是：[‘href’]这个是什么意思呀？

for 循环到的节点赋值给 each ，然后 each["href"] 就是提取这个节点中的 href 属性

3、for循环这句：for each in soup.find_all(href=re.compile("view"))：括号里用的是哪个参数收集的数据：soup.find_all(name,attr,**wrages) 是这三个哪个：我在小破站看了下beautifulsoup的视频，attr这个要是个字典，所以应该排除了，**wrages这个就像是变量赋值，我看这个挺像，就是不知道是不是这个？

就是属于 attr 部分的，你可以看看这里的笔记： 数据提取-Beautiful Soup