Исключить элемент из веб-Царапины Loop

Question

Предположим, что у меня есть следующие html:

<h4> 
    <a href="http://www.google.com">Google</a> 
</h4> 
<h4>Random Text</h4> 

Я в состоянии идентифицировать все h4 заголовки с помощью цикла, такие как:

for url in soup.findAll("h4") 
    print(url.get_text()) 

И что работает хорошо, за исключением он включает элемент «случайный текст» в заголовке h4. Можно ли программно удалить вхождения заголовков h4, которые не соответствуют определенным критериям - например, те, которые не содержат ссылки?

Answer 1

Конечно, вы можете пойти с простым подходом, просто фильтрацией заголовков:

for url in soup.find_all("h4") 
    if not url.a: # "url.a" is a shortcut to "url.find('a')" 
     continue 
    print(url.get_text()) 

Или, лучше всего было бы, чтобы фильтровать их с function:

for url in soup.find_all(lambda tag: tag.name == "h4" and tag.a): 
    print(url.get_text()) 

Или, даже лучше, идти прямо к a элементов:

for url in soup.select("h4 > a"): 
    print(url.get_text()) 

h4 > a вот CSS selector, который будет соответствовать a элементам, которые являются прямыми детьми h4 тегов.

Answer 2

Использование списка понимание как самый вещий подход:

[i.get_text() for i in soup.findAll("h4") if #Insert criteria here#]