Python은 네 가지 방법을 사용하여 현재 페이지의 모든 링크를 비교 분석합니다.

이 기사에서는 현재 페이지의 모든 링크를 얻는 Python의 방법을 주로 소개합니다. Python에서 일반적으로 사용되는 4가지 방법을 예제와 함께 비교 분석합니다. 또한 필요한 iframe 프레임 내에서 링크를 얻는 방법도 함께 제공됩니다. 이 문서의 다음

예제는 현재 페이지의 모든 링크를 얻는 Python의 네 가지 방법을 설명합니다. 참고할 수 있도록 모든 사람과 공유하세요. 세부 정보는 다음과 같습니다.

'''
得到当前页面所有连接
'''
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 （太黄太暴力！）
matchs = re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\&#39;).+?(?=\&#39;)" , r.text)
for link in matchs:
  print(link)
print()
# 利用 BeautifulSoup4 （DOM树）
soup = BeautifulSoup(r.text,&#39;lxml&#39;)
for a in soup.find_all(&#39;a&#39;):
  link = a[&#39;href&#39;]
  print(link)
print()
# 利用 lxml.etree （XPath）
tree = etree.HTML(r.text)
for link in tree.xpath("//@href"):
  print(link)
print()
# 利用selenium（要开浏览器！）
driver = webdriver.Firefox()
driver.get(url)
for link in driver.find_elements_by_tag_name("a"):
  print(link.get_attribute("href"))
driver.close()

참고: 페이지에 iframe이 포함된 경우 위의 네 가지 방법으로는 iframe에 포함된 페이지의 모든 태그를 얻을 수 없습니다! ! ! 이때:

# 再打开所有iframe查找全部的a标签
for iframe in soup.find_all('iframe'):
  url_ifr = iframe['src'] # 取得当前iframe的src属性值 
  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))

위 내용은 Python은 네 가지 방법을 사용하여 현재 페이지의 모든 링크를 비교 분석합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!