Python实现提取给定网页内的所有链接
作者:海拥 时间:2022-03-29 19:01:11
此脚本从给定的网页中检索所有链接,并将其保存为txt文件。(文末有完整源码)
这是一个简单的网络爬虫示例,使用了 requests 库来发送 HTTP 请求并获取网页内容,使用 BeautifulSoup 库来解析网页内容。
代码解释如下:
1.导入所需的库
导入 requests 库并将其重命名为 rq,用于发送 HTTP 请求和获取网页内容。
import requests as rq
从 bs4 库导入 BeautifulSoup 类,用于解析 HTML 内容。
from bs4 import BeautifulSoup
2.获取用户输入的链接
提示用户输入一个链接,并将其保存在 url 变量中。
url = input("Enter Link: ")
3.发送 HTTP 请求获取网页内容
使用条件语句判断用户输入的链接是否以 "
https
" 或 "http
" 开头。如果是,则使用
rq.get(url)
发送 GET 请求获取网页内容,并将响应保存在 data 变量中。如果不是,则在链接前添加 "https://" 并使用
rq.get()
发送请求,将响应保存在 data 变量中。
4.使用 BeautifulSoup 解析网页内容
将 data.text(网页内容)传递给 BeautifulSoup 类的构造函数,指定解析器为 "html.parser",创建一个 BeautifulSoup 对象 soup。
soup = BeautifulSoup(data.text, "html.parser")
5.提取链接
创建一个空列表 links 用于存储提取的链接。
使用 soup.find_all("a") 查找网页中所有的
<a>
标签,并返回一个包含这些标签的列表。遍历列表中的每个标签,使用 link.get("href") 获取每个标签中的 "href" 属性值,并将其添加到 links 列表中。
6.将提取的链接写入文件
使用
with open("myLinks.txt", 'a') as saved
: 打开一个文件 "myLinks.txt",以追加模式。使用
print(links[:100], file=saved)
将 links 列表中的前 100 个链接写入文件中,每个链接占一行。如果需要每次覆盖文件内容而不是追加,可以将文件打开模式由 'a' 改为 'w'。
这段代码的功能是获取用户输入的链接对应网页中的前 100 个链接,并将这些链接写入到名为 "myLinks.txt" 的文件中。
运行截图
附完整代码
import requests as rq
from bs4 import BeautifulSoup
url = input("Enter Link: ")
if ("https" or "http") in url:
data = rq.get(url)
else:
data = rq.get("https://" + url)
soup = BeautifulSoup(data.text, "html.parser")
links = []
for link in soup.find_all("a"):
links.append(link.get("href"))
# 将输出写入文件(myLinks.txt)
# 可以将“a”更改为“w”以每次覆盖文件
with open("myLinks.txt", 'a') as saved:
print(links[:10], file=saved)
来源:https://juejin.cn/post/7233995529692839993
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
ASP分页显示Recordset数据
Instr函数与InstrRev函数的区别
![](https://img.aspxhome.com/file/UploadPic/20087/7/20087717015341s.jpg)
python字符串连接方式汇总
python机器学习基础K近邻算法详解KNN
![](https://img.aspxhome.com/file/2023/9/78739_0s.png)
Opencv图像处理之详解掩膜mask
![](https://img.aspxhome.com/file/2023/9/72219_0s.jpg)
MySQL数据库中使用GRANT语句增添新用户
jQuery 让人恋恋不舍的秘密
内容,而不是Chrome
CSS布局之浮动(三)自适应
如何用METADATA替换ADOVBS.INC?
SQL参数化查询的另一个理由 命中执行计划
PHP简易延时队列的实现流程详解
在查询分析器理启动或停止SQL Agent服务
Mysql日期和时间函数大全
asp检测文件编码方法
asp如何遍历目录及目录下的文件?
数据库分页大全(mssql,mysql,oracle)
IE里模拟DOMContentLoaded事件
使用SqlBulkCopy时应注意Sqlserver表中使用缺省值的列
利用python汇总统计多张Excel
![](https://img.aspxhome.com/file/2023/0/77690_0s.jpg)