Python实现抓取页面上链接的简单爬虫分享
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：
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。
相关文章
今天小编就为大家分享一篇django认证系统实现自定义权限管理的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
这篇文章主要介绍了Python用Bottle轻量级框架进行Web开发的相关资料,需要的朋友可以参考下2016-06-06
这篇文章主要介绍了Python获取系统默认字符编码的方法,涉及Python中sys模块getdefaultencoding方法的使用技巧,需要的朋友可以参考下2015-06-06
在本文中,深入探讨了type()函数的用法,提供了详细的示例代码,并讨论了其在Python编程中的实际应用,通过学习如何正确使用type()函数,可以更好地掌握Python编程,并写出更可靠的代码,需要的朋友可以参考下2024-07-07
这篇文章主要介绍了Python调用GPT3.5接口的最新方法,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2023-03-03
在现代通信中,电子邮件是一种常见的沟通方式,通过Python编程语言,您可以使用内置的库来发送邮件,并在邮件中嵌入HTML内容和图片,本文将介绍如何使用Python发送带有HTML格式内容,以及涉及的步骤和代码示例2023-08-08
这篇文章主要介绍了Python搭建代理IP池实现获取IP的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-10-10
本文主要介绍了OpenCV实现车辆识别和运动目标检测，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-08-08
Pandas中的unique()和nunique()区别详解
Pandas中Series和DataFrame的两种数据类型中都有nunique()和unique()方法，本文详细的介绍了两者的区别，具有一定的参考价值，感兴趣的可以了解一下2022-08-08
今天小编就为大家分享一篇对pandas的行列名更改与数据选择详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-11-11
最新评论