Tenho a seguinte situação:
<a href="https://g1.globo.com">Globo</a>
<h3 class="b">
<a href="https://www.google.com">Google</a>
</h3>
Usando o BeautifulSoup, como eu faço para pegar somente o href e o texto da tag 'a' que tá dentro do 'h3'?
A forma mais fácil é buscar dentro do elemento h3
a tag a
:
from bs4 import BeautifulSoup
code = '''<a href="https://g1.globo.com">Globo</a>
<h3 class="b">
<a href="https://www.google.com">
Google
</a>
</h3>'''
soup = BeautifulSoup(code)
tag_a = soup.h3.a
print(tag_a.text)
print(tag_a['href'])
Também é possível buscar todas tags com soup.h3.findAll('a')
, o retorno será uma lista com todas tags buscada.
Basta buscar a tag h3
e depois buscar o elemento a
:
from bs4 import BeautifulSoup
data = """<a href="https://g1.globo.com">Globo</a>
<h3 class="b">
<a href="https://www.google.com">Google</a>
</h3>"""
soup = BeautifulSoup(data)
div = soup.find('h3', class_='b')
a = div.find('a')
print a['href']
print a.text