Comment analyser le texte à partir d'une balise d'ancrage?

Question

Je veux analyser ce "<a href="javascript:8==99999?popDuelloDialog(2754288):popTeam(2386)">Gnistan</a>" et extraire le texte.

J'ai essayé d'extraire beaucoup, mais je ne pouvais pas réussir.

Je ne sais pas comment construire une méthode avec ce format « javascript vient » :(numbers) "qui ne sont pas répéter. Je besoin d'une telle méthode qui utilisera uniquement la partie répétition et va extraire du texte dans le corps.

Mon code est ici:

import sys 
from PyQt4.QtGui import QApplication 
from PyQt4.QtCore import QUrl 
from PyQt4.QtWebKit import QWebPage 
import bs4 as bs 
import urllib.request 
import re 
from bs4 import BeautifulSoup 

class Client(QWebPage): 

    def __init__(self, url): 
     self.app = QApplication(sys.argv) 
     QWebPage.__init__(self) 
     self.loadFinished.connect(self.on_page_load) 
     self.mainFrame().load(QUrl(url)) 
     self.app.exec_() 

    def on_page_load(self): 
     self.app.quit() 

url = 'http://www.mackolik.com/Genis-Iddaa-Programi' 
client_response = Client(url) 
source = client_response.mainFrame().toHtml() 
soup = bs.BeautifulSoup(source, 'html.parser') 
#pattern=re.compile(r"javascript:;") 
#js_test = soup.find_all('a', href='javascript') 
hreff=soup.find_all("a","javascript:;") 
#js_test=soup.select('a[href^="javascript:\('(.*?)'\);"]') 
#print(js_test.text) 
#type(href) 
for i in hreff: 
    print(hreff[i]) 

Answer 1

IIUC tout ce que vous avez besoin est de make BeautifulSoup obtenir toutes les balises d'ancrage qui ont le "javascript" dans leur attribut href. Cependant, il semble que le contenu que vous voulez analyser est en cours de création avec JavaScript, et cela nécessiterait l'utilisation de selenium et d'un pilote Web comme ChromeDriver. En utilisant BeautifulSoup et demandes que nous pouvons voir que le contenu que vous voulez probablement est pas dans le code html, la logique pour résoudre votre problème serait:

from bs4 import BeautifulSoup 
import requests 
url = "http://www.mackolik.com/Genis-Iddaa-Programi" 
data = requests.get(url).text 
soup = BeautifulSoup(data, 'html.parser') 

for tag in soup.findAll('a'): 
    if "javascript" in tag['href']: 
     print(tag.text) 

Le code ci-dessus vérifie si la sous-chaîne "javascript" est in la Attribuez href et imprime le texte de l'étiquette si cela est vrai.

Avec le sélénium et ChromeDriver la logique est à peu près la même chose, mais nous avons besoin d'autres méthodes:

from selenium import webdriver 

url = "http://www.mackolik.com/Genis-Iddaa-Programi" 
driver = webdriver.Chrome() 
driver.get(url) 

for tag in driver.find_elements_by_tag_name("a"): 
    if "javascript" in tag.get_attribute("href"): 
     print(tag.text) 

Answer 2

vous pouvez faire comme cela, je sais qu'il est en VB, mais vous pouvez prendre l'idée ...

'look for the begining of <a href 
    Dim xstr As String = "<a href=javascript:8==99999?popDuelloDialog(2754288):popTeam(2386)>Gnistan</a>" 
    Dim xStart As Integer = InStr(xstr, "<a href") 
    If xStart > 0 Then 
     'look for the end 
     Dim AHREF As Integer = InStr(xStart, xstr, ">") + 1 
     'look for </a> 
     Dim endAHREF As Integer = InStr(AHREF, xstr, "</a>") 
     'take what you need 
     Dim Result As String = Mid(xstr, AHREF, endAHREF - AHREF) 


    End If