欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python獲取當(dāng)前頁(yè)面內(nèi)所有鏈接的四種方法對(duì)比分析

 更新時(shí)間：2017年08月19日 11:24:59   作者：羅兵  
這篇文章主要介紹了Python獲取當(dāng)前頁(yè)面內(nèi)所有鏈接的方法,結(jié)合實(shí)例形式對(duì)比分析了Python常用的四種獲取頁(yè)面鏈接的方法,并附帶了iframe框架內(nèi)鏈接的獲取方法,需要的朋友可以參考下

本文實(shí)例講述了Python獲取當(dāng)前頁(yè)面內(nèi)所有鏈接的四種方法。分享給大家供大家參考，具體如下：

'''
得到當(dāng)前頁(yè)面所有連接
'''
import requests
import re
from bs4 import BeautifulSoup
from lxml import etree
from selenium import webdriver
url = 'http://www.testweb.com'
r = requests.get(url)
r.encoding = 'gb2312'
# 利用 re （太黃太暴力?。?
matchs = re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')" , r.text)
for link in matchs:
  print(link)
print()
# 利用 BeautifulSoup4 （DOM樹(shù)）
soup = BeautifulSoup(r.text,'lxml')
for a in soup.find_all('a'):
  link = a['href']
  print(link)
print()
# 利用 lxml.etree （XPath）
tree = etree.HTML(r.text)
for link in tree.xpath("http://@href"):
  print(link)
print()
# 利用selenium（要開(kāi)瀏覽器?。?
driver = webdriver.Firefox()
driver.get(url)
for link in driver.find_elements_by_tag_name("a"):
  print(link.get_attribute("href"))
driver.close()

注意：若頁(yè)面中含有 iframe，則 iframe 內(nèi)所包含頁(yè)面的所有標(biāo)簽都無(wú)法用以上四種方法獲得?。?！此時(shí)則要：

# 再打開(kāi)所有iframe查找全部的a標(biāo)簽
for iframe in soup.find_all('iframe'):
  url_ifr = iframe['src'] # 取得當(dāng)前iframe的src屬性值 
  rr = requests.get(url_ifr)
  rr.encoding = 'gb2312'
  soup_ifr = BeautifulSoup(rr.text,'lxml')
  for a in soup_ifr.find_all('a'):
    link = a['href']
    m = re.match(r'http:\/\/.*?(?=\/)',link)
    #print(link)
    if m:
      all_urls.add(m.group(0))

PS：這里再為大家提供2款非常方便的正則表達(dá)式工具供大家參考使用：

JavaScript正則表達(dá)式在線測(cè)試工具：
http://tools.jb51.net/regex/javascript

正則表達(dá)式在線生成工具：
http://tools.jb51.net/regex/create_reg

更多關(guān)于Python相關(guān)內(nèi)容可查看本站專題：《Python正則表達(dá)式用法總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門與進(jìn)階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》

希望本文所述對(duì)大家Python程序設(shè)計(jì)有所幫助。

相關(guān)文章

最新評(píng)論