[已解决]第55讲课后题

年薪30万

import urllib.request
import re
from bs4 import BeautifulSoup

def main():
    url = "http://baike.baidu.com/view/284853.htm"
    response = urllib.request.urlopen(url)
    html = response.read()
    soup = BeautifulSoup(html, "html.parser") # 使用 Python 默认的解析器
   
    for each in soup.find_all(href=re.compile("view")):
        print(each.text, "->", ''.join(["http://baike.baidu.com", each["href"]]))
        # 上边用 join() 不用 + 直接拼接，是因为 join() 被证明执行效率要高很多

if __name__ == "__main__":
    main()


首先这是小甲鱼的代码，我有两个问题：
1、但是显示的内容却跟答案不一样？这是为什么，目的是去搜索包含“view”的链接，难道是在那个网页中含有“view”的连接就是这些么？网页改版了？还是我哪里做错了
2、关于“href”这里我也不是很懂，首先“爱丽丝梦游仙境”那篇教程里面有这样的例子：

soup.find_all(href=re.compile("elsie"))
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]

然后在我们的原答案中：
print(each.text, "->", ''.join(["http://baike.baidu.com", each["href"]]))
针对字典取值each["href"]得到是："http://example.com/elsie"
然后join后''.join后不就变成了http://example.com/elsiehttp://example.com/elsie（这里用爱丽丝中href代替）
就是我觉得当href的内容被提取出后在join就不是一个正常的网页地址了

初步尝试爬虫，还有很多不懂的，希望大家耐心解答！感谢

最佳答案

月排行榜 / 总排行榜

°蓝鲤歌蓝

2019-3-3 15:02:33

1. 的确就两个，还有一个不是 html 所以获取不到。
2. 你说的是对的，如果 html 里 href 是

1. <a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]

复制代码

这样子的，后面 join 之后，的确不是正确的网址了，所以可能视频里不是那么写的，而是你看错了。

跳转到最佳答案楼层

°蓝鲤歌蓝

1. 的确就两个，还有一个不是 html 所以获取不到。
2. 你说的是对的，如果 html 里 href 是

1. <a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]

复制代码

这样子的，后面 join 之后，的确不是正确的网址了，所以可能视频里不是那么写的，而是你看错了。

年薪30万

°蓝鲤歌蓝 发表于 2019-3-3 15:02
1. 的确就两个，还有一个不是 html 所以获取不到。
2. 你说的是对的，如果 html 里 href 是

感谢解答