Python实现提取给定网页内的所有链接

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)

到此这篇关于Python实现提取给定网页内的所有链接的文章就介绍到这了,更多相关Python提取网页链接内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论