Python 网页抓取:全部阅读href
我编写了一个小脚本,用python读取网页上的所有HREF。 但它有一个问题。例如,它不读取Python 网页抓取:全部阅读href,python,regex,urllib,Python,Regex,Urllib,我编写了一个小脚本,用python读取网页上的所有HREF。 但它有一个问题。例如,它不读取href=“pages.php?ef=fa&page=n\u fullstory.php&NewsIDn=1648” 代码: 有人能帮我吗?谢谢。使用BEautifulSoup和静态网站请求。这是一个伟大的网页抓取模块,使用代码,您可以很容易地获得href标签内的值。希望能有帮助 import requests from bs4 import BeautifulSoup url = 'whatever
href=“pages.php?ef=fa&page=n\u fullstory.php&NewsIDn=1648”
代码:
有人能帮我吗?谢谢。使用BEautifulSoup和静态网站请求。这是一个伟大的网页抓取模块,使用代码,您可以很容易地获得href标签内的值。希望能有帮助
import requests
from bs4 import BeautifulSoup
url = 'whatever url you want to parse'
result = requests.get(url)
soup = BeautifulSoup(result.content,'html.parser')
for a in soup.find_all('a',href=True):
print "Found the URL:", a['href']
一般建议:不要用正则表达式解析HTML。虽然您的特定案例可以实现,但如果您需要更多,它会很快变得非常混乱。使用适当的解析库。退房或退房。甚至可能。
import requests
from bs4 import BeautifulSoup
url = 'whatever url you want to parse'
result = requests.get(url)
soup = BeautifulSoup(result.content,'html.parser')
for a in soup.find_all('a',href=True):
print "Found the URL:", a['href']