Question

我正在编写一个脚本，用于从网站中提取内部链接。转到列表中的内部链接时，它将无法识别的链接追加到列表中。

当它附加了所有内部链接后，我想打破循环。

addr = "http://andnow.com/"
base_addr = "{0.scheme}://{0.netloc}/".format(urlsplit(addr))

o = urlparse(addr)
domain = o.hostname

i_url = []

def internal_crawl(url):

    headers = {'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.9; rv:32.0) Gecko/20100101 Firefox/32.0'}

    r = requests.get(url, headers = headers).content
    soup = BeautifulSoup( r, "html.parser")

    i_url.append(url)
    try:
        for link in [h.get('href') for h in soup.find_all('a')]:
            if domain in link and "mailto:" not in link and "tel:" and not link.startswith('#'):
                if link not in i_url:
                    i_url.append(link)
#               print(link)
            elif "http" not in link and "tel:" not in link and "mailto:" not in link and not link.startswith('#'):
                internal = base_addr + link
                if link not in i_url:
                    i_url.append(internal)
        print(i_url)

    except Exception:
        print("exception")

internal_crawl(base_addr)

for l in i_url:
    internal_crawl(l)

我尝试添加以下代码，但无法正常工作。我不确定这是否是因为我的列表正在更改。

for x in i_url:
    if x == i_url[-1]:
        break

如果同一项目连续两次出现在列表中，有没有办法打破循环？

Answer 1

不确定您要做什么。如果我理解正确，一种方法是：

prev = None
for x in i_url:
    if x == prev:
        break
    # do stuff
    prev = x

Answer 2

这是你的追求吗

y = None
i_url = ["x", "y","z", "z","a"]
for x in i_url:
  if x==y :
    print ("found ", x)
    break
  else:
    y=x

没有更多要追加到列表的项目时，如何中断循环？

2 个答案: