如何使用Beautiful Soup获取CSS链接并提取文件名？

完全不用纠结正则，Beautiful Soup已经帮你把HTML结构解析好了，直接提取标签属性就行，比正则更可靠也更简单。

步骤分解： #

1. 获取第一个stylesheet标签：用find()方法直接拿到第一个符合条件的<link>标签，比findAll()[0]更简洁，还能避免列表为空时的索引错误。
2. 提取href属性值：通过标签的get()方法（或直接用下标）获取href属性，get()更安全——如果标签没有href属性，它会返回None而不是抛出异常。
3. 提取文件名：如果href是相对路径、绝对路径甚至完整URL，用os.path.basename()可以轻松拿到最后的文件名；如果是完整URL，搭配urlparse处理更稳妥。

完整代码示例： #

from bs4 import BeautifulSoup
import os
from urllib.parse import urlparse

# 假设你已经获取到了HTML内容，存在html_content变量中
soup = BeautifulSoup(html_content, 'html.parser')

# 获取第一个stylesheet链接标签
stylesheet_tag = soup.find('link', rel='stylesheet')

if stylesheet_tag:
    # 提取href属性
    css_href = stylesheet_tag.get('href')
    if css_href:
        # 处理普通路径或相对路径
        css_filename = os.path.basename(css_href)
        
        # 如果是完整URL，用urlparse处理更准确
        # parsed_url = urlparse(css_href)
        # css_filename = os.path.basename(parsed_url.path)
        
        print(f"提取到的CSS文件名：{css_filename}")  # 输出: styles.css
    else:
        print("警告：这个stylesheet标签没有href属性")
else:
    print("未找到任何stylesheet链接标签")

为什么不用正则？ #

正则需要处理各种可能的href格式（比如带引号、空格、特殊字符等），很容易写出有漏洞的表达式。而Beautiful Soup是专门解析HTML的工具，它已经帮你处理了标签的各种格式问题，直接提取属性是最省心的方式。

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