<think>我们有一个HTML片段，需要从中提取以下信息：1.菜名（在class为"name"的p标签内的a标签内）2.菜品的URL（在菜名a标签的href属性）3.食材列表（在class为"ing"的p标签内，由多个a标签组成，中间用顿号分隔）4.七天内做过的人数（在class为"stats"的p标签内，在"七天内"后面的span标签内）5.作者名（在class为"author"的p标签内的a标签内）我们可以使用BeautifulSoup来解析这个HTML片段并提取所需信息。</think>
```python
from bs4 import BeautifulSoup
html_doc
= """
<div class
="info pure-u">
<p class
="name">
<a href
="/recipe/107388310/" data-click-tracking-url
="" data-expose-tracking-url
=""
target="_
blank">
鸡蛋火腿炒青椒
</a>
<i class
="step-icon ml5"></i>
</p>
<p class
="ing ellipsis">
<a href
="/category/662/"
target="_
blank">青椒</a>、<a href
="/category/394/"
target="_
blank">鸡蛋</a>、<a href
="/category/5305/"
target="_
blank">火腿肠</a>、<a href
="/category/2269/"
target="_
blank">蒜</a>、<a href
="/category/1779/"
target="_
blank">蚝油</a>、<a href
="/category/2362/"
target="_
blank">生抽</a>、<a href
="/category/1805/"
target="_
blank">盐</a>
</p>
<p class
="stats green-font">七天内 <span class
="bold">6</span> 人做过</p>
<p class
="author">
<a href
="/cook/167794494/" class
="gray-font"
target="_
blank">今天好好吃饭了咩</a>
</p>
</div>
"""
# 解析HTML内容
soup
= BeautifulSoup(html_doc, 'lxml')
# 1. 提取菜名和链接
dish_name
= soup.find('p', class_
='name').a.text.strip()
dish_url
= soup.find('p', class_
='name').a['href']
print(f"菜名: {dish_name}")
print(f"菜谱URL: {dish_url}")
# 2. 提取食材列表
ingredients
= [a.text.strip() for a in soup.find('p', class_
='ing').find_all('a')]
ingredients_str
= '、'.join(ingredients) # 用顿号分隔食材
print(f"食材: {ingredients_str}")
# 3. 提取七天内做过的人数
stats_text
= soup.find('p', class_
='stats').get_text(strip
=True)
num_done
= soup.find('p', class_
='stats').find('span', class_
='bold').text
print(f"七天内做过人数: {num_done}人")
# 4. 提取作者信息
author_name
= soup.find('p', class_
='author').a.text.strip()
author_url
= soup.find('p', class_
='author').a['href']
print(f"作者: {author_name}")
print(f"作者主页: {author_url}")
```
### 代码解释：
1. **HTML解析**：
- 使用`BeautifulSoup(html_doc, 'lxml')`解析HTML内容
- `lxml`解析器速度快且高效，适合处理HTML文档
2. **菜名和链接提取**：
- 通过`class
='name'`定位到菜名所在的p标签
- 使用`.a.text.strip()`获取菜名并去除多余空白字符
- 通过`.a['href']`获取菜谱链接
3. **食材提取**：
- 查找`class
='ing'`的p标签
- 使用列表推导式`[a.text.strip() for a in ...]`提取所有a标签的文本内容
- 用`'、'.join()`将食材列表转换为顿号分隔的字符串
4. **统计信息提取**：
- 定位`class
='stats'`的p标签
- 使用`.find('span', class_
='bold')`定位人数所在的span标签
- 通过`.text`获取具体数字
5. **作者信息提取**：
- 定位`class
='author'`的p标签
- 获取作者名和作者主页链接，方法与菜名获取类似
### 提取结果：
```
菜名: 鸡蛋火腿炒青椒
菜谱URL: /recipe/107388310/
食材: 青椒、鸡蛋、火腿肠、蒜、蚝油、生抽、盐
七天内做过人数: 6人
作者: 今天好好吃饭了咩
作者主页: /cook/167794494/
```
本文介绍如何使用HTML中的_target=_blank_属性来使链接或表单操作在新窗口或新标签页中打开，避免干扰当前页面的浏览体验。
扫一扫
277
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
