使用BeautifulSoup提取网页链接出现异常内容的原因咨询

你提取到的这些非完整链接，本质是因为网站HTML里的<a>标签本身就用了这类href值，你的代码直接原样提取了这些原始值，具体分两种情况：

• 相对路径链接（如/collections/xxx）：
  网站开发时为了简化代码，会用相对路径代替完整域名+路径。比如当前页面域名是stores.aceedventure.com，浏览器访问时会自动把/collections/xxx拼接成完整的可访问链接，但你的代码直接读取了<a>标签里写的原始href内容，所以就输出了未拼接的相对路径。

• 锚点链接（如#site-header-nav）：
  这类链接是页面内跳转锚点，作用是点击后跳转到当前页面中id为site-header-nav的元素位置（比如导航栏、页面某个区块），本身就不是指向外部页面的完整链接，网站里常用在导航菜单、回到顶部按钮上。你的代码提取了所有<a>标签的href，自然会包含这类锚点值。

另外，你的代码逻辑是直接抓取所有<a>标签的href属性，没有做任何过滤或转换，所以不管是相对路径、锚点还是完整链接，都会被原样提取出来。

内容的提问来源于stack exchange，提问作者bacon_man284