Python 有没有办法从数百个URL列表中删除facebook帐户链接

我有一个超过1500个与印度新闻媒体网站相关的URL列表。作为我大学项目的一部分，我有兴趣进行一些统计

长话短说，我很想知道这些网站的主页上有哪些链接到他们的Facebook账户？这样做将是一项乏味的任务（到目前为止，我已经完成了其中的25%），因此我一直在通过网络研究是否有可能用程序删除这些网站。我在scraperwiki上看到过scraper，并且主要在Google文档中看到了

importxml

功能，但是，到目前为止，我在这两个方面都没有取得太大的成功

我在谷歌文档中为给定站点尝试了以下功能：

=ImportXML(A1, "//a[contains(@href, 'www.facebook.com')]")

总的来说，我想问一下，如果每个网站的结构明显不同，是否有可能（以及如何）只扫描特定的href链接（或列表）

提前感谢您对此事的任何帮助

---

Mark

我建议您将一些代码放在这里，这样我们就可以看到您尝试了什么。另外，如果你想使用python，beautifulsoup或regex与urllib和urllib2的组合就是你想要的模块。Beautiful Soup可以很好地解决这个问题，但你可能找错了目标——网页的facebook“like”嵌入（或其任何组件）以及其他任何东西都会包含facebook.com的href，而不是网站/用户页面的链接。如果你正在寻找FB的任何链接，那么你所提到的作为你的出发点是可行的，但除此之外，你需要在你接受的结果中更加具体。