如何用Python获取包含.ics文件的HTML href属性的URL？

Question

我正在尝试从包含.ics日历的网页中获取.ics文件的URL。例如，https://meded.hms.harvard.edu/calendar，但它应该适用于任何包含.ics的网页。 下面是我天真的尝试（没有打印任何东西，我也不知道为什么）：

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

我做错了什么？有什么更好的方法来获取我要查找的.ics文件的URL？你知道吗

Answer 1

代码中的break将在一次迭代后停止脚本，您需要再次缩进它，将其放入if（或者改用return）。目前，无论if的结果如何，它都会破坏for。你知道吗

第二个问题是有<a>元素没有href属性，这将导致脚本在到达任何.ics链接之前失败：

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>

在对其执行数组操作之前，可以通过检查链接中的link.get('href') != None来修复此问题。你知道吗

固定代码：

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')