如何使用Beautiful Soup提取链接的最后修改日期

既然你已经成功提取到了目标pre标签的文本内容，接下来只需要对这段文本做简单解析，就能生成你想要的键值对字典了。下面是完整的实现代码和详细说明：

完整代码示例 #

from bs4 import BeautifulSoup
import requests

# 替换为你的目标URL
url = "https://example.com/your-target-path"
soup = BeautifulSoup(requests.get(url).content, "html.parser")

# 获取包含文件/目录信息的第二个pre标签文本
pre_content = soup.find_all("pre")[1].get_text()

# 初始化结果字典
version_modified_dict = {}

# 逐行处理文本内容
for line in pre_content.splitlines():
    # 去除行首尾空白字符
    cleaned_line = line.strip()
    # 跳过空行和上级目录的行（../）
    if not cleaned_line or cleaned_line == "../":
        continue
    # 按空格分割，最多分割3次，避免日期时间中的空格打乱分割结果
    parts = cleaned_line.split(maxsplit=3)
    # 提取版本号：去掉末尾的斜杠
    version = parts[0].rstrip("/")
    # 拼接日期和时间作为最后修改时间
    last_modified = f"{parts[1]} {parts[2]}"
    # 将键值对存入字典
    version_modified_dict[version] = last_modified

print(version_modified_dict)
# 输出示例: {'0.1.0': '21-Oct-2020 14:06'}

关键步骤说明 #

• 定位目标文本：第一个pre标签是表头（Name Last modified Size），第二个pre标签才是包含版本目录和修改时间的内容，所以我们取soup.find_all("pre")[1]。
• 过滤无效行：通过strip()去除行首尾空白，然后跳过空行和表示上级目录的../行，只处理有效版本目录行。
• 安全分割内容：使用split(maxsplit=3)确保只把行分割成4个部分（版本目录、日期、时间、大小），这样即使日期或时间包含空格，也不会影响我们提取目标信息。
• 格式化数据：去掉版本目录末尾的斜杠/，拼接日期和时间字符串，最终存入字典。

内容的提问来源于stack exchange，提问作者rchitect-of-info