使用BeautifulSoup提取链接时，如何仅获取纯链接地址去除多余属性？

你可以通过提取每个<a>标签的href属性值来获取纯链接地址，以下是两种实用修改方式：

方式一：直接提取属性值（简洁高效） #

修改后的完整代码：

import requests
from bs4 import BeautifulSoup
import re

url = 'https://link.com/'

html = requests.get(url)

soup = BeautifulSoup(html.content, 'html.parser')

# 获取符合条件的a标签列表
link_tags = soup.findAll('a', href=re.compile('https://specificlink/'))
# 遍历列表提取每个标签的href属性
pure_links = [tag['href'] for tag in link_tags]

print(pure_links)

方式二：用get()方法避免报错（更健壮） #

如果存在部分<a>标签缺失href属性的情况，使用get()方法可以避免抛出异常，缺失时返回None：

import requests
from bs4 import BeautifulSoup
import re

url = 'https://link.com/'

html = requests.get(url)

soup = BeautifulSoup(html.content, 'html.parser')

link_tags = soup.findAll('a', href=re.compile('https://specificlink/'))
pure_links = [tag.get('href') for tag in link_tags]

print(pure_links)

执行后输出示例：

['https://specificlink']

内容的提问来源于stack exchange，提问作者Krasav4ic