Python 2.7中如何用BeautifulSoup结合re排除特定URL结果？

我来帮你搞定这个困扰！你需要的是同时满足两个条件的<a>标签：href中包含past，并且不带有target="_blank"属性。你之前的两次尝试各自覆盖了一个条件，现在把它们结合起来就能完美解决啦～

方法一：自定义过滤函数（灵活适配复杂正则） #

把href正则匹配和target属性检查整合到同一个函数里，这样就能精准筛选符合要求的标签：

import re
from bs4 import BeautifulSoup

def valid_link(tag):
    # 1. 确保是<a>标签
    if tag.name != 'a':
        return False
    # 2. 检查href是否匹配正则（和你原来的re.compile('past')逻辑一致）
    href = tag.get('href', '')
    if not re.search('past', href):
        return False
    # 3. 排除带有target="_blank"的标签
    return not (tag.has_attr('target') and tag['target'] == '_blank')

issue_index = soup.find_all(valid_link)

这个函数会逐一验证每个标签：先确认是<a>标签，再检查href包含past，最后排除掉带有target="_blank"的那个结果，完全符合你的需求。

方法二：CSS选择器（简洁高效） #

如果你的href匹配逻辑只是简单的包含past，用BeautifulSoup支持的CSS选择器会更简洁：

issue_index = soup.select('a[href*="past"]:not([target="_blank"])')

解释一下这个选择器的逻辑：

• a[href*="past"]：选中所有href属性包含past的<a>标签
• :not([target="_blank"])：从上述结果中排除带有target="_blank"属性的标签

两种方法都能帮你拿到想要的28个URL（原来的29个去掉那个带target的），你可以根据自己的需求选择～

内容的提问来源于stack exchange，提问作者Tim Elhajj