如何在Beautiful Soup网页抓取过程中获取post id

提取post id的实现方法 #

soup.find("article") 返回的是BeautifulSoup的Tag对象，你可以直接读取该对象的属性值拿到id：

1. 基础写法（如果确定页面一定有article标签且带id属性）：

post_id = soup.find("article")["id"]
# 得到的结果为 post-518551

2. 容错写法（避免标签不存在时报错中断程序）：

article_tag = soup.find("article")
post_id = article_tag.get("id") if article_tag else None

如果你只需要id里的数字部分当文件名，可以再做字符串分割：

if post_id:
    file_name = post_id.split("-")[-1] + ".txt"

额外优化建议 #

你当前使用固定索引定位元素的写法（比如 find_all('h1')[1]、find_all("span")[39]）稳定性较差，网页结构微调就会失效，建议结合标签的class属性定位：

• 标题：title = soup.find("h1", class_="title").text
• 副标题：subtitle = soup.find("h2", class_="description").text
• 日期可以找对应span的class属性做定位，适配性会高很多。

内容的提问来源于stack exchange，提问作者Guilherme Giuliano Nicolau