Py4E指定链接遍历任务求解及解决方案分享

任务说明 #

从指定起始链接开始，每次找到页面中第18个链接（第一个链接计数为1）并访问，重复此操作7次，最终页面对应的姓氏即为答案。
起始链接：http://py4e-data.dr-chuck.net/known_by_Kristie.html
提示：最终页面名称首字符有指定限制（原提示未给出具体字符，按要求保留）

实现代码 #

我用Python完成了这个任务，结合requests处理HTTP请求、BeautifulSoup解析HTML，代码如下：

import requests
from bs4 import BeautifulSoup

# 初始链接
current_url = "http://py4e-data.dr-chuck.net/known_by_Kristie.html"
# 需要重复的次数和目标链接位置
loop_count = 7
target_link_index = 18  # 计数从1开始，所以列表索引要减1

for _ in range(loop_count):
    # 获取页面响应
    resp = requests.get(current_url)
    # 解析HTML内容
    soup = BeautifulSoup(resp.text, "html.parser")
    # 提取所有<a>标签的链接
    all_links = [link.get("href") for link in soup.find_all("a")]
    # 更新为目标链接（索引=目标位置-1）
    current_url = all_links[target_link_index - 1]

# 从最终链接中提取姓氏：链接格式为...known_by_XXX.html，拆分后取XXX部分
final_last_name = current_url.split("_")[-1].split(".")[0]
print(f"最终得到的姓氏：{final_last_name}")

代码逻辑说明 #

• 借助requests库发起GET请求，获取目标页面的HTML内容
• 用BeautifulSoup解析HTML，筛选出所有<a>标签并提取其href属性
• 循环7次，每次将当前访问的链接更新为页面中的第18个链接
• 最后通过字符串拆分操作，从最终链接的文件名中提取出目标姓氏

内容的提问来源于stack exchange，提问作者Hoangf Vox