如何使用Python的BeautifulSoup提取指定td标签内的href链接
解决方案
代码修改说明
- 首先修正原有UA列表的格式错误:原有列表存储的是带
header=前缀的字符串,不符合requests的参数要求,改为直接存储UA字典即可 - 提取链接逻辑:拿到索引为8的td元素后,先定位内部的
<a>标签,再读取其href属性即可
修正后完整代码
from bs4 import BeautifulSoup import random import requests from time import sleep url = 'https://bscscan.com/tokentxns' # 修正UA列表格式,直接存字典 user_agent_list = [ {'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:86.0) Gecko/20100101 Firefox/86.0'}, {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'}, {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_5) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.1.1 Safari/605.1.15'}, {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'}, {'User-Agent': 'Mozilla/5.0 (Windows NT 6.2; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/32.0.1667.0 Safari/537.36'}, {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1985.67 Safari/537.36'} ] header = random.choice(user_agent_list) # 补充headers参数名 req = requests.get(url, headers=header, timeout=10) soup = BeautifulSoup(req.content, 'html.parser') rows = soup.findAll('table')[0].findAll('tr') for row in rows[1:]: tds = row.find_all('td') txnhash = tds[1].text.strip() token_td = tds[8] token = token_td.text.strip() # 提取td内部a标签的href属性,加判断避免无a标签时报错 token_href = token_td.find('a')['href'] if token_td.find('a') else '' # 如果需要绝对路径可以拼接域名:token_href = f"https://bscscan.com{token_href}" print(f"{txnhash} {token} {token_href}")
核心逻辑说明
token_td.find('a')会定位td标签内的第一个跳转链接元素,BeautifulSoup中读取标签属性直接用标签对象['属性名']的写法即可实现。
内容的提问来源于stack exchange,提问作者rbutrnz
相关产品推荐
相关产品推荐

