Bagaimanakah Saya Boleh Mengeluarkan Hiperpautan dan URL daripada Halaman Web Menggunakan Python dan BeautifulSoup?

Mendapatkan semula Pautan Halaman Web dengan Python dan BeautifulSoup

Soalan: Bagaimanakah cara saya mengekstrak hiperpautan daripada halaman web dan mendapatkan URL mereka menggunakan Python?

Jawapan:

Untuk mengekstrak pautan dan alamat URL dengan cekap daripada halaman web menggunakan Python dan BeautifulSoup, anda boleh menggunakan kelas SoupStrainer. Berikut ialah coretan kod:

import httplib2
from bs4 import BeautifulSoup, SoupStrainer

http = httplib2.Http()
status, response = http.request('http://www.nytimes.com')

for link in BeautifulSoup(response, 'html.parser', parse_only=SoupStrainer('a')):
    if link.has_attr('href'):
        print(link['href'])

Kod ini mula-mula mengambil kandungan HTML halaman web (menggunakan perpustakaan httplib2). Kemudian, ia menggunakan BeautifulSoup untuk menghuraikan HTML, menapis hanya untuk teg menggunakan kelas SoupStrainer untuk kecekapan yang lebih baik. Akhir sekali, ia berulang pada teg a dan mencetak atribut href bagi setiap satu, dengan berkesan mengekstrak URL pautan.

Rujuk dokumentasi BeautifulSoup untuk mendapatkan maklumat lebih terperinci tentang pelbagai senario penghuraian:

[BeautifulSoup Dokumentasi](https://www.crummy.com/software/BeautifulSoup/bs4/doc/)

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Mengeluarkan Hiperpautan dan URL daripada Halaman Web Menggunakan Python dan BeautifulSoup?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!