我如何使用Python从HTML获取href链接？ [英] How can I get href links from HTML using Python?

问题描述

  import urllib2 
 $ b website =WEBSITE
 openwebsite = urllib2.urlopen（网站）
 html = getwebsite.read（） 
 
 print html 
  

到目前为止这么好。

但我只需要纯文本HTML的href链接。我怎么解决这个问题？

noreferrer> Beautifulsoup ：

  from BeautifulSoup import BeautifulSoup 
 import urllib2 
 import re 
 
 html_page = urllib2.urlopen（http://www.yourwebsite.com）
 soup = BeautifulSoup（html_page）
 for soup.findAll（'a'）中的链接：
 print link.get（'href'）
  

http：// ，您应该使用：

  soup.findAll （'a'，attrs = {'href'：re.compile（^ http：//）}）
  

import urllib2

website = "WEBSITE"
openwebsite = urllib2.urlopen(website)
html = getwebsite.read()

print html

So far so good.

But I want only href links from the plain text HTML. How can I solve this problem?

解决方案

Try with Beautifulsoup:

from BeautifulSoup import BeautifulSoup
import urllib2
import re

html_page = urllib2.urlopen("http://www.yourwebsite.com")
soup = BeautifulSoup(html_page)
for link in soup.findAll('a'):
    print link.get('href')

In case you just want links starting with http://, you should use:

soup.findAll('a', attrs={'href': re.compile("^http://")})

这篇关于我如何使用Python从HTML获取href链接？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！