如何使用Python获取包含.ics文件的HTML href属性的URL？

Question

我正在尝试从包含.ics日历的网页上获取.ics文件的URL。 例如， https://meded.hms.harvard.edu/calendar ，但它适用于任何包含.ics网页。 以下是我的幼稚尝试（它不会打印任何内容，我也不知道为什么）：

import urllib2
import requests
import bs4

def get_ics_url(url):

    #page = requests.get('https://meded.hms.harvard.edu/calendar').content

    page = requests.get(url).content
    soup = bs4.BeautifulSoup(page, 'lxml')

    links = soup.find_all('a')

    for link in links:
        if link.get('href')[-4:]=='.ics':
            endout = type(link.get('href'))

            print endout
        break

我在做什么错，获取我正在寻找的.ics文件的URL的更好方法是什么？

Answer 1

代码break将仅在一次迭代后停止脚本，您需要再次缩进该脚本，然后将其放入if （或使用return ）。 目前，它会打破for无论什么结果if是。

第二个问题是，有<a>元素没有href属性，这将导致脚本在到达任何.ics链接之前失败：

if link.get('href')[-4:]=='.ics':
TypeError: 'NoneType' object has no attribute '__getitem__'

例如：

<a name="main-content"></a>
<a class="cal-export" title="Note: Past events are not included">Export</a>

您可以通过对link.get('href') != None链接进行检查来解决此问题，然后再对其执行数组操作。

固定代码：

import urllib2
import requests
import bs4

def get_ics_url(url):
    page = requests.get(url).content
    soup = bs4.BeautifulSoup(page, 'lxml')

    links = soup.find_all('a')

    for link in links:
        if link.get('href') != None and link.get('href')[-4:]=='.ics':
            endout = link.get('href')
            return endout

print get_ics_url('https://meded.hms.harvard.edu/calendar')