Python BeautifulSoup特定のURLを抽出する

Question

特定のURLのみを取得することはできますか？

同様：

<a href="http://www.iwashere.com/washere.html">next</a> 
<span class="class">...</span> 
<a href="http://www.heelo.com/hello.html">next</a> 
<span class="class">...</span> 
<a href="http://www.iwashere.com/wasnot.html">next</a> 
<span class="class">...</span> 

出力はhttp://www.iwashere.com/

からの出力のURLのようなURLのみでなければなりません：

http://www.iwashere.com/washere.html 
http://www.iwashere.com/wasnot.html 

私は、文字列のロジックでそれをやりました。 BeautifulSoupを使って直接的な方法はありますか？

Answer 1

あなたは属性値の正規表現を使用することを含む複数の側面、一致させることができます：

import re 
soup.find_all('a', href=re.compile('http://www\.iwashere\.com/')) 

（あなたの例のために）一致した：

[<a href="http://www.iwashere.com/washere.html">next</a>, <a href="http://www.iwashere.com/wasnot.html">next</a>] 

のでhref属性を持つ任意の<a>タグをこれは文字列http://www.iwashere.com/で始まる値を持ちます。

することはできな結果をループし、ちょうどhref属性選び出す：

>>> for elem in soup.find_all('a', href=re.compile('http://www\.iwashere\.com/')): 
...  print elem['href'] 
... 
http://www.iwashere.com/washere.html 
http://www.iwashere.com/wasnot.html 

ではなく、すべての相対パスを一致させるには、値がないスタートとしない場合はテスト負の先読みアサーションを使用しますスキーム（例えば、http:またはmailto:）、またはダブルスラッシュ（//hostname/path）。あなたがBeautifulSoup 4.0.0以上を使用している場合

soup.find_all('a', href=re.compile(r'^(?!(?:[a-zA-Z][a-zA-Z0-9+.-]*:|//))')) 

Answer 2

：どのような値は代わりに相対パスでなければなりません

soup.select('a[href^="http://www.iwashere.com/"]')