Python实现抓取页面上链接的简单爬虫分享
作者:junjie 时间:2021-03-28 23:03:13
除了C/C++以外,我也接触过不少流行的语言,PHP、java、javascript、python,其中python可以说是操作起来最方便,缺点最少的语言了。
前几天想写爬虫,后来跟朋友商量了一下,决定过几天再一起写。爬虫里重要的一部分是抓取页面中的链接,我在这里简单的实现一下。
首先我们需要用到一个开源的模块,requests。这不是python自带的模块,需要从网上下载、解压与安装:
$ curl -OL https://github.com/kennethreitz/requests/zipball/master
$ python setup.py install
windows用户直接点击下载。解压后再本地使用命令python setup.py install安装即可。 https://github.com/kennethreitz/requests/zipball/master
这个模块的文档我也正在慢慢翻译,翻译完了就给大家传上来(英文版先发在附件里)。就像它的说明里面说的那样,built for human beings,为人类而设计。使用它很方便,自己看文档。最简单的,requests.get()就是发送一个get请求。
代码如下:
# coding:utf-8
import re
import requests
# 获取网页内容
r = requests.get('http://www.163.com')
data = r.text
# 利用正则查找所有连接
link_list =re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')" ,data)
for url in link_list:
print url
首先import进re和requests模块,re模块是使用正则表达式的模块。
data = requests.get('http://www.163.com'),向网易首页提交get请求,得到一个requests对象r,r.text就是获得的网页源代码,保存在字符串data中。
再利用正则查找data中所有的链接,我的正则写的比较粗糙,直接把href=""或href=''之间的信息获取到,这就是我们要的链接信息。
re.findall返回的是一个列表,用for循环遍历列表并输出:
这是我获取到的所有连接的一部分。
上面是获取网站里所有链接的一个简单的实现,没有处理任何异常,没有考虑到超链接的类型,代码仅供参考。requests模块文档见附件。
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
Python爬虫动态ip代理防止被封的方法
![](https://img.aspxhome.com/file/2023/7/107117_0s.jpg)
Python字符串中添加、插入特定字符的方法
![](https://img.aspxhome.com/file/2023/1/86421_0s.png)
pytorch 优化器(optim)不同参数组,不同学习率设置的操作
![](https://img.aspxhome.com/file/2023/8/95478_0s.png)
一个二级伸缩下拉菜单代码
python将pandas datarame保存为txt文件的实例
对python中类的继承与方法重写介绍
![](https://img.aspxhome.com/file/2023/6/124266_0s.jpg)
使用Python解析JSON数据的基本方法
OpenCV哈里斯(Harris)角点检测的实现
![](https://img.aspxhome.com/file/2023/6/134916_0s.png)
python中的print()输出
Python入门学习之字符串与比较运算符
![](https://img.aspxhome.com/file/2023/0/75290_0s.jpg)
MIME Type 引出的两难困境
php实现mysql事务处理的方法
一段ASP的HTTP_REFERER判断代码
Python中super().__init__()测试以及理解
DataReader深入解析:持续更新
使用Python获取字典键对应值的两种方法
![](https://img.aspxhome.com/file/2023/7/117267_0s.png)
实用PHP会员权限控制实现原理分析
![](https://img.aspxhome.com/file/2023/6/111066_0s.gif)
2008年情人节各网站节日Logo欣赏
![](https://img.aspxhome.com/file/UploadPic/20082/17/2008217141834880s.gif)