Question

目标：访问博客页面列表。在每个博客页面上，找到该博客页面的社交链接（Instagram，Facebook，Twitter）。

假设：每个社交链接的第一次出现将是正确的。页面中稍后出现的内容更有可能引用其他人的帐户。

理想的社交网址格式为www。 social_network_name .com / username

某些格式的网址不可取（例如instagram.com/abc /）

def check_instagram(url):
   if 'instagram.com/' in url and "instagram.com/abc/" not in url::
      return True

def check_facebook(url):
   if 'facebook.com/' in url and "facebook.com/abc/" not in url::
      return True

#my list of pages t be parsed
pages_to_check = ['www.url1.com', 'www.url2.com', ... 'www.urn_n.com']

#iterate through my list of pages t be parsed
for page in pages_to_check :

   #get all the links on the page
   page_links = *<selenium code to get all links on page>*

我试过......

  For link in page_links:

     #when first Instagram handle found
     if check_instagram(url):
        *code to write to a dataframe here*            
        break

     #when first Instagram handle found
     if check_facebook(url):
        *code to write to a dataframe here*
        break

问题：只要我匹配一个社交网址，它就会突破循环，并且不会继续寻找其他网络句柄。

我能想到的一些选择，如果不是很好。我是一个Noob。我非常感谢你的一些建议。

选项＃1 - 遍历所有链接并测试ONE社交网络的首次匹配。循环遍历所有链接并测试NEXT社交网络的首次匹配。（讨厌这个）

选项＃2 - 为每个社交URL创建变量。为匹配创建一些标记，仅更新匹配的变量未设置。（更好，但在我填写所有变量之后，我仍然会继续迭代）

选项＃3 - 欢迎提出任何建议或意见。你会怎么做到这一点？

Answer 1

<强> 建议：

保留跟踪器并更新已处理的任何社交媒体网址。一旦他们全部被处理，然后突破循环。

<强> 代码：

tracker = dict.fromkeys(['facebook', 'instagram'], False)

for link in page_links:
    # if all the values of the tracker are true, then break out of the loop
    if all(v for v in tracker.values()):
        break
    # when first Instagram handle found
    if check_instagram(url):
        *code to write to a dataframe here*
        tracker['instagram'] = True
     # when first Facebook handle found
     if check_facebook(url):
        *code to write to a dataframe here*
        tracker['facebook'] = True

我希望这证明有用。

在单个循环中运行多个测试的最有效方法是什么？蟒

1 个答案: