作者KeyBoardKill (✩键✩盘✩戮✩)
看板Python
标题[问题] 该如何靠一个定位点抓取上层资料？
时间Sun Jun 3 18:38:31 2018
各位好，做爬虫又遇到了个问题...基本上来源会有 ID 跟 Number ，我必须靠Number
来追踪到ID，目前已经能做到追踪到Number但ID跟Number不同行，我不懂该如何提取
能给我点提示吗？谢谢
范例:.....
str = '''
<li><a href="123.html" target=_blank class="Observe24">
十分钟资料</a></li>
'''
如果是整行同一行我就有办法使用split来抓到并清洗出我要的123.html
但现在如果分行了，我只能抓到 唯一识别值：十分钟资料，我不知道应该怎麽回推
从我在原始码找到十分钟的资料後，往上一行获取到 123.html 这个值
恳请指点 谢谢
--
◢ ◣
● █
≡◥◣ ◢
◣
】 。 \。【 这个板需要更高竿的酸民
● //﹀\\● ◥
◤
】 ╰═╯【 ◤
◢◥ ◤◣
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 49.158.30.145
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1528022314.A.E65.html
1F：推 ringlwe: 是不是这个呀06/03 18:56
3F：→ ringlwe: soup-getting-href06/03 18:56
谢谢，但不是捞所有的url，我想要先抓到
十分钟资料後再抓到和它一起的123.hml
4F：推 ThxThx: 我看起来你的做法是把HTML code看成是纯文字来处理 06/03 19:39
5F：→ ThxThx: 为何不先把他parse成结构化的资料？ 06/03 19:39
没错...我是以纯文字操作，我原以为能自干功能XD...看来还是要用parse，想说或许
能节省点效能XDD
只不过刚用bs4 + lxml後 还是会有分行的状况QQ
※ 编辑: KeyBoardKill (49.158.30.145), 06/03/2018 20:22:49
6F：→ kobe8112: 爬虫还是建议用selector啦，不管是CSS或是XPATH 06/03 23:09
7F：→ kobe8112: 这样遇到问题自己比较容易除错，板友也容易帮忙 06/03 23:20