如何使用Python獲取包含.ics文件的HTML href屬性的URL？

Question

我正在嘗試從包含.ics日歷的網頁上獲取.ics文件的URL。 例如， https://meded.hms.harvard.edu/calendar ，但它適用於任何包含.ics網頁。 以下是我的幼稚嘗試（它不會打印任何內容，我也不知道為什么）：

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

我在做什么錯，獲取我正在尋找的.ics文件的URL的更好方法是什么？

Answer 1

代碼break將僅在一次迭代后停止腳本，您需要再次縮進該腳本，然后將其放入if （或使用return ）。 目前，它會打破for無論什么結果if是。

第二個問題是，有<a>元素沒有href屬性，這將導致腳本在到達任何.ics鏈接之前失敗：

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>

您可以通過對link.get('href') != None鏈接進行檢查來解決此問題，然后再對其執行數組操作。

固定代碼：

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')