his = ["/item/%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/5162711"]
#初始化url
#循環選取20百度百科的數據
for i in range(20):
url = base_url + his[-1]
#組合url
html = urlopen(url).read().decode(‘utf-8‘)

print(i, soup.find(‘h1‘).get_text(), ‘    url: ‘, base_url+his[-1])
#將以下信息打印出來

sub_urls = soup.find_all("a", {"target": "_blank", "href": re.compile("/item/(%.{2})+$")})
#通過正則表達式，首先找到a標簽，然後選取含有target的內容，並且href 她的必須匹配以/item/開頭的形式
if len(sub_urls) != 0:
    his.append(random.sample(sub_urls, 1)[0][‘href‘])
    #通過random的sample方法從sub-url中水機選去一個長度為一的list的a標簽，然後選區他的href屬性
else:
    # no valid sub link found
    his.pop()
    #如果當前沒有鏈接，退出再來，然後再選擇一個，在來
            ![](http://i2.51cto.com/images/blog/201803/27/2ec8773ff147c38305ae581297c51351.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=)
 

最最簡單的python爬蟲教程--爬取百度百科案例