獲取網(wǎng)頁(yè)所有的url地址

今天在試圖爬蟲(chóng)新聞網(wǎng)站時(shí)想把網(wǎng)頁(yè)上的所有url抓下來(lái)并歸類,所以寫了幾行小代碼。
為了促進(jìn)自己學(xué)習(xí),就把簡(jiǎn)陋的代碼放在簡(jiǎn)書(shū)上發(fā)布,也當(dāng)是一份學(xué)習(xí)筆記。

# -*- coding: utf-8 -*-
"""
Created on Sun Jul  3 00:31:06 2016

@author: Cy
"""

import requests
from bs4 import BeautifulSoup


def getallurl(url=r'http://www.sina.com.cn'):
    r=requests.get(url)
    s=BeautifulSoup(r.content,'lxml')

    atag=s.find_all('a')
    listurl=[]
    for each in atag:
        try:
            listurl.append([each['href'],each.text])
        except:
            listurl.append(['',each.text])
    return listurl

            
if __name__ == '__main__':
    #inputurl=str(input("input the url: \n"))
    #listurl=getallurl(inputurl)
    listurl=getallurl()
    for i in range(len(listurl)):
        print("The %sth url is: %s, and the titileis: %s \n" % (i,listurl[i][0],listurl[i][1]))
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書(shū)系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容