Python 如何在html中获取链接的开始和结束位置

我有以下HTML格式的文本

b'<p><b>Anna Katharina Schaffelhuber</b> (* <a href="/wiki/26._Januar" title="26. Januar">26. Januar</a> <a href="/wiki/1993" title="1993">1993</a> in <a href="/wiki/Regensburg" title="Regensburg">Regensburg</a>) ist eine deutsche <a href="/wiki/Monoskibob" title="Monoskibob">Monoskibobfahrerin</a>. Sie gehört seit April 2017 dem <a href="/wiki/Bundeszollverwaltung#Spitzensportf%C3%B6rderung" title="Bundeszollverwaltung">Zoll-Ski-Team</a> an.<sup class="reference" id="cite_ref-1"><a href="#cite_note-1">[3]</a></sup>\n</p>\n'

我曾想过解析原始HTML并删除所有

s、

s、

s等等。这看起来很烦人，我不确定是否能用这种方法捕获所有案例

我不能绕着一个平滑的方法转。如何为包含上述信息的每个超链接提取

开始

、

结束

和

链接

无法在BeautifulSoup中获得正确链接的可能重复

find（）

和

find\u all（）

方法不能解决我的问题。是的，

find_all（）

将返回所有href的列表，但我需要此href的确切位置。我不能只使用列表中的元素，将其与文本进行匹配，然后以这种方式找到位置。它可以是任何简单的东西，比如“苹果”，可以在文本中多次出现。但是我想要一个正确的位置。我需要这个职位，因为我想把维基百科的所有内容组织成一个大型数据库。这些超链接是我稍后将使用的信息。他们将帮助我建立一个巨大的维基百科图表或网络

---

以防有人引用wiki转储：它们不包含链接和类别信息。此外，对我来说，处理这些垃圾堆似乎非常不舒服和不稳定，因为维护工作已在2000年代中期停止。

以下内容应该可以满足您的需要。我假设id只是一个增加1的唯一值，因为您没有指定任何键的含义

从bs4导入美化组
Anna Katharina Schaffelhuber（*in）在德国。您已于2017年4月去世。\n
\n'
soup=BeautifulSoup（html，'html.parser'）
clean_text='Anna Katharina Schaffelhuber（*26.1993年1月在雷根斯堡）是德国的Monoskibobfahrein。请于2017年4月前往佐尔滑雪队
hrefs={href.text:href['href']表示汤中的href。如果href.get（'title'），则查找所有（'a'））
超链接=[]
对于枚举（hrefs.items（））中的i，（href_text，href）：
start=clean_text.index（href_text）
end=start+len（href_text）-1
超链接.append（{'id'：i，
“名称”：href\u文本，
'link'：href，
“开始”：开始，
“结束”：结束}）
打印（超链接）

可能重复的Don't think

find_all（）

方法会有很大帮助，我需要确切的位置，

find_all（）

只返回所有HREF的列表。它们可能在任何地方。*“超链接是信息”：因此您需要的是超链接值，而不是

html

页面中位置的索引。我需要信息（我在JSON中称之为

link

），但最重要的是我需要它的

start

和

end

。我的问题有那么模棱两可吗？？我很困惑。“我的问题有那么模糊吗？”：是的，但为了让你满意，如果我提前两天研究这个问题，你会为我节省很多时间。。我用你的简单解决方案代替了我复杂的解决方案。谢谢你@LuckyZackary。

hyperlinks : [{    "id : 0,
                "name" : "26. Januar",
                "link" : "/wiki/26._Januar",
               "start" : 32,
               "end"   : 42 },
               { ... for all the links ... }]