捕获IDS与XPath在Python从URL源

Question

想象我有内容，如：

cont="""<a id="test1" class="SSSS" title="DDDD" href="AAAA">EXAMPLE1</a>.....<a id="test2" class="GGGG" title="ZZZZ" href="VVVV">EXAMPLE2</a>.... 
""" 

我想要什么：

id1='test1' 
id2='test2' 
idn='testn' 

你能纠正我？

if '<a id=' in cont: 
    ....? 

我一定要使用正则表达式在 Python或有通过的XPath的方法来抓住他们？

注：我只希望在标签

Answer 1

下载BS4这里所有ID：http://www.crummy.com/software/BeautifulSoup/

文档：http://www.crummy.com/software/BeautifulSoup/bs4/doc/

这应该工作：

from bs4 import BeautifulSoup 

soup = BeautifulSoup(cont) 
for a in soup.select('a'): # Or soup.find_all('a') if you prefer 
    if a.get('id') is not None: 
     print a.get('id') 

或者用理解得到清单：

ids = [a.get('id') for a in BeautifulSoup(cont).select('a') if a.get('id') is not None] 

Answer 2

通过列表理解和BeautifulSoup。

>>> from bs4 import BeautifulSoup 
>>> cont="""<a id="test1" class="SSSS" title="DDDD" href="AAAA">EXAMPLE1</a>.....<a id="test2" class="GGGG" title="ZZZZ" href="VVVV">EXAMPLE2</a>.... 
""" 
>>> soup = BeautifulSoup(cont) 
>>> [i.get('id') for i in soup.findAll('a') if i.get('id') != None] 
['test1', 'test2'] 
>>> [i['id'] for i in soup.findAll('a') if i['id'] != None] 
['test1', 'test2']