Из полученного списка ссылок вывести результаты только тех, которые начинаются с 24hours

@Ruskrol · Регистрация: 27.07.2021

Author24 — интернет-сервис помощи студентам

Доброго времени суток.

все еще пишу парсер для livinternet и поскольку границу парсинга указать я не смог (точнее смог после долгих мучений, но это не имеет смысла, так как там есть лишние значения). Я решил зайти с другой стороны, выделить нужные мне значения через общий признак. Теперь процесс выглядит так.

1. Собираем с веб страницы все значения тэга <a>, то есть все ссылки ( сделано )
2. Выбрать только те ссылки, в которых url начинается на 24hours.html, ведь именно их анкоры и являются поисковыми фразами, которые я и хочу собрать. ( именно эту операцию в данный момент я не знаю как сделать)
3. Из выбранных ссылок вывести список анкоров, они же и поисковые фразы, которые мне нужны ( в целом с этим тоже нет проблем, ведь список анкоров я смог вывести, однако учитывая то, что я не смог выбрать только те ссылки, url которых начинается с 24hours.html, у меня выводятся анкоры всех ссылок со страницы, элементов меню и др.

Собственно вот мой код сейчас

Python

import urllib.request
from bs4 import BeautifulSoup
html = urllib.request.urlopen('https://www.liveinternet.ru/stat/ru/auto/queries.html?id=19207&id=19188&id=19221&id=610&id=19945&per_page=100&ok=+OK+')
soup = BeautifulSoup(html, 'html.parser')
for i in soup.find_all('a', href=True):
    print(i.text)

Осталось только добиться выполнения второго пункта, что бы выводились анкоры только нужных мне ссылок. Как это сделать?

По сути нужно оставить только те строки, в которых встречается значение 24hours.html , пытался через регулярные выражения сделать, но так и не смог. Прошу помочь, буду очень благодарен.

Добавлено через 1 час 7 минут
Вообще через программу я выделил вот такое регулярное выражение (?<=0=1">).*?(?=<), которое на раз два парсит нужный мне результат, но вот как его прописать в питоне я так и не могу понять, вроде столько библиотек, уже целые сутки гуглю и прочитал все возможные варианты и через регулярки и через селект и через еще кучу способов использование и совмещения и выделения. Ну почему нету простой функции спарсить все ссылки с таким то признаком и просто прописать признак в скобках, ну почему просто нельзя задать регулярку и указать в ней что идет перед текстом и что после него. Все селекты и регулярки и задания границ парсинга что я нашел на бесчисленных сайтах которые сегодня пересмотрел не дали результата. Прошу помогите! Что я делаю не так...

@iSmokeJC · 01.08.2021, 09:55

Ruskrol, да че тут мудрить-то?

Python

for i in soup.find_all('a', href=True):
    if re.match(r'<a href="24hours.html', str(i)):
        print(i)  # ссылка
        print(i.text)  # анкор
        print()

Добавлено через 5 минут
Да и зачем тут регулярки?

Python

1 2	if str(i).startswith('<a href="24hours.html'): print(i.text)

	01.08.2021, 09:55

Из полученного списка ссылок вывести результаты только тех, которые начинаются с 24hours

Решение