Chapter 13:Understanding HTML&Assignment(2)

先贴代码，这个任务主要是抽取链接到其他页面的超链接，然后进入，在抽取，再进入。如此反复。（抽取几次代码中是根据用户输入的次数决定）

import urllib
from BeautifulSoup import *

lst=list()
i=0
url = raw_input('Enter url:')
count=raw_input('Enter count:')
position=raw_input('Enter position:')

def crawl(url):
html = urllib.urlopen(url).read()
soup = BeautifulSoup(html)
tags = soup('a')
for tag in tags:
lst.append(tag.get('href', None))
#    url = lst[int(position)-1]

for i in range(int(count)+1):
print url
crawl(url)
url = lst[int(position)-1]
lst=[]

我用的是def一个函数然后递归调用的方法。

这次主要遇到的两个问题，

一个是构造的list，在每次进入函数时应该将它清零，否则输出的url将一直是第一次的。（因为其他的会被append（）到后面）

二是关于能否在函数中修改传入的参数（本例中为url）的值，在这个例子中是不可以（参见crawl（）中我注释掉的那行），但是我还没找到原因，如果在函数中修改url的值，同样一直输出第一次找到的url。

*python中设定要几次循环的方法：

for i in range(4)

则i会从0循环到3