Как достать ссылку из тега href, если при парсинге возвращает решетку #?

Question

[Alexo99]

Хочу спарсить инфу. Столкнулся со следующей проблемой. Хочу собрать сообщения из канала, для каждого сообщения найти уникалный линк. Есть часть страницы:

<a class="oajrlxb2 g5ia77u1 qu0x051f esr5mh6w e9989ue4 r7d6kgcz rq0escxv nhd2j8a9 nc684nl6 p7hjln8o kvgmc6g5 cxmmr5t8 oygrvhab hcukyx3x jb3vyjys rz4wbd8a qt6c0cv9 a8nywdso i1ao9s8h esuyzwwr f1sip0of lzcic4wl gpro0wi8 oo9gr5id lrazzd5p" href="https://www.facebook.com/people/%D0%92%D0%BE%D0%B9%D0%BD%D0%B0-%D0%B2-%D0%A3%D0%BA%D1%80%D0%B0%D0%B8%D0%BD%D0%B5-%D0%9C%D0%BD%D0%B5%D0%BD%D0%B8%D1%8F/100080006252414/?__cft__[0]=AZX2W9rkRNslicOs_gzdT1erKdlIdk4bse5Y-CAFdqiNSACYTDx8h4kXENvRBW2AhZP-dCrFMwfmY68xt0Tv5KBbxdfzPNcUkw_H9V7Sqb0zHBNfpAef4GaLL8ANmbtRBFN-zCjl3f7fT5cXO-Sd2bJoyRVJ-Unz_E-o5TiNo_T7e0oRuD2mCXWExcs343MPz9leYoOBjnb7hjwgpxTaGuNg&amp;__tn__=-UC%2CP-R" role="link" tabindex="0">

Из этого фрагмента нужно достать href. Делаю я это следующим образом:

link = container.find("a", class_="oajrlxb2 g5ia77u1 qu0x051f esr5mh6w e9989ue4 r7d6kgcz rq0escxv nhd2j8a9 nc684nl6 p7hjln8o kvgmc6g5 cxmmr5t8 oygrvhab hcukyx3x jb3vyjys rz4wbd8a qt6c0cv9 a8nywdso i1ao9s8h esuyzwwr f1sip0of lzcic4wl gpro0wi8 oo9gr5id lrazzd5p").get("href")
    print(link)

Вместо ссылки которую ожидал увидеть получаю #

Если же делать лишь через селениум

container = driver.find_elements(By.CSS_SELECTOR, '[class="oajrlxb2 g5ia77u1 qu0x051f esr5mh6w e9989ue4 r7d6kgcz rq0escxv nhd2j8a9 nc684nl6 p7hjln8o kvgmc6g5 cxmmr5t8 oygrvhab hcukyx3x jb3vyjys rz4wbd8a qt6c0cv9 a8nywdso i1ao9s8h esuyzwwr f1sip0of lzcic4wl gmql0nx0 gpro0wi8 b1v8xokw"]')
        for i in container:
            print(i.get_attribute("href"))

То на выход приходит:

https://www.facebook.com/profile.php?id=100080006252414/#

Ссылка на канал есть, а идентификатор сообщения опять закрыт решеткой. Может у кого была такая проблема? Заранее благодарен за помощь!

Answer 1

[Денис]

from bs4 import BeautifulSoup


tag = """
<a class="oajrlxb2 g5ia77u1 qu0x051f esr5mh6w e9989ue4 r7d6kgcz rq0escxv nhd2j8a9 nc684nl6 p7hjln8o kvgmc6g5 cxmmr5t8 oygrvhab hcukyx3x jb3vyjys rz4wbd8a qt6c0cv9 a8nywdso i1ao9s8h esuyzwwr f1sip0of lzcic4wl gpro0wi8 oo9gr5id lrazzd5p" href="https://www.facebook.com/people/%D0%92%D0%BE%D0%B9%D0%BD%D0%B0-%D0%B2-%D0%A3%D0%BA%D1%80%D0%B0%D0%B8%D0%BD%D0%B5-%D0%9C%D0%BD%D0%B5%D0%BD%D0%B8%D1%8F/100080006252414/?__cft__[0]=AZX2W9rkRNslicOs_gzdT1erKdlIdk4bse5Y-CAFdqiNSACYTDx8h4kXENvRBW2AhZP-dCrFMwfmY68xt0Tv5KBbxdfzPNcUkw_H9V7Sqb0zHBNfpAef4GaLL8ANmbtRBFN-zCjl3f7fT5cXO-Sd2bJoyRVJ-Unz_E-o5TiNo_T7e0oRuD2mCXWExcs343MPz9leYoOBjnb7hjwgpxTaGuNg&amp;__tn__=-UC%2CP-R" role="link" tabindex="0">
"""

soup = BeautifulSoup(tag, features='lxml')

link = soup.find("a", class_="oajrlxb2 g5ia77u1 qu0x051f esr5mh6w e9989ue4 r7d6kgcz rq0escxv nhd2j8a9 nc684nl6 p7hjln8o kvgmc6g5 cxmmr5t8 oygrvhab hcukyx3x jb3vyjys rz4wbd8a qt6c0cv9 a8nywdso i1ao9s8h esuyzwwr f1sip0of lzcic4wl gpro0wi8 oo9gr5id lrazzd5p")

print(link['href'])

Вывод

https://www.facebook.com/people/%D0%92%D0%BE%D0%B9%D0%BD%D0%B0-%D0%B2-%D0%A3%D0%BA%D1%80%D0%B0%D0%B8%D0%BD%D0%B5-%D0%9C%D0%BD%D0%B5%D0%BD%D0%B8%D1%8F/100080006252414/?__cft__[0]=AZX2W9rkRNslicOs_gzdT1erKdlIdk4bse5Y-CAFdqiNSACYTDx8h4kXENvRBW2AhZP-dCrFMwfmY68xt0Tv5KBbxdfzPNcUkw_H9V7Sqb0zHBNfpAef4GaLL8ANmbtRBFN-zCjl3f7fT5cXO-Sd2bJoyRVJ-Unz_E-o5TiNo_T7e0oRuD2mCXWExcs343MPz9leYoOBjnb7hjwgpxTaGuNg&__tn__=-UC%2CP-R

Comments

[Alexo99]

Пробовал и так. Суть вопроса не в том как разобрать html код, это я и так знаю, суть в том что сайт не дает вытянуть ссылку.
По вашему примеру результат будет следующим:

"?__cft__[0]=AZXlIEG0wvKDIpc0yBj1eP5Y0gPL1L126qD1QmcLV4FEgCDFUbgtk_MgpZAaAk-NIy47UwZS-yKCcIoTaJQnONzVdWuoRAQjgkb7rHPxu9MOMtRzWmII9SiOf6JNzh6kuB8hr_OiLADPw_-b8XHrtGxoa_qRZAz5bPeJN93dBUgFZ9KrI0YAir25KqstLMfOfRg&__tn__=%2CO%2CP-R#?hkc"

Ссылку на канал и идентификатор сообщения оно не возвращает, все что до "?__cft__[0]=" пропало.

Пример канала из которого нужно вытянуть ссылку:

https://www.facebook.com/TsumKyiv/

Ссылка находится в посте, например:

Именно во времени:

Во времени и находиться эта ссылка


Очень буду признателен, если сможете помочь!