从锚标签中读取、提取href并扫描标签以查找特定的值/位置

Question

我正在尝试从下面的数据文件中读取 HTML，从锚标签中提取 href= 值，扫描相对于列表中的名字处于特定位置的标签，点击该链接并重复该过程多次并报告我找到的姓氏：

（网址：http://py4e-data.dr-chuck.net/known_by_Emir.html）

在第 18 位找到链接（名字是 1）。按照那个链接。重复此过程 7 次。答案是您检索的姓氏。 提示：您将加载的最后一页名称的第一个字符是：M

import urllib.request, urllib.parse, urllib.error
from bs4 import BeautifulSoup
import ssl

ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE

url = input('Enter - ')
html = urllib.request.urlopen(url, context=ctx).read()
soup = BeautifulSoup(html, 'html.parser')

tags = soup('a')
for tag in tags:
    print(tag.get('href', None))

Answer 1

你可以把整个事情放在一个循环中：

import urllib.request, urllib.parse, urllib.error
from bs4 import BeautifulSoup
import ssl

ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE

url = 'http://py4e-data.dr-chuck.net/known_by_Emir.html'

for x in range(7):
    if x != 0:
        html = urllib.request.urlopen(tag, context=ctx).read()
    else:
        html = urllib.request.urlopen(url, context=ctx).read()

    soup = BeautifulSoup(html, 'html.parser')
    tag = soup.find_all('a')[17]['href']

print(tag)

输出：

http://py4e-data.dr-chuck.net/known_by_Maya.html