Python实现提取给定网页内的所有链接

此脚本从给定的网页中检索所有链接，并将其保存为txt文件。（文末有完整源码）

这是一个简单的网络爬虫示例，使用了 requests 库来发送 HTTP 请求并获取网页内容，使用 BeautifulSoup 库来解析网页内容。

代码解释如下：

1.导入所需的库

导入 requests 库并将其重命名为 rq，用于发送 HTTP 请求和获取网页内容。

import requests as rq

从 bs4 库导入 BeautifulSoup 类，用于解析 HTML 内容。

from bs4 import BeautifulSoup

2.获取用户输入的链接

提示用户输入一个链接，并将其保存在 url 变量中。

url = input("Enter Link: ")

3.发送 HTTP 请求获取网页内容

• 使用条件语句判断用户输入的链接是否以 "https" 或 "http" 开头。

• 如果是，则使用 rq.get(url) 发送 GET 请求获取网页内容，并将响应保存在 data 变量中。

• 如果不是，则在链接前添加 "https://" 并使用 rq.get() 发送请求，将响应保存在 data 变量中。

4.使用 BeautifulSoup 解析网页内容

将 data.text（网页内容）传递给 BeautifulSoup 类的构造函数，指定解析器为 "html.parser"，创建一个 BeautifulSoup 对象 soup。

soup = BeautifulSoup(data.text, "html.parser")

5.提取链接

• 创建一个空列表 links 用于存储提取的链接。

• 使用 soup.find_all("a") 查找网页中所有的 <a> 标签，并返回一个包含这些标签的列表。

• 遍历列表中的每个标签，使用 link.get("href") 获取每个标签中的 "href" 属性值，并将其添加到 links 列表中。

6.将提取的链接写入文件

• 使用 with open("myLinks.txt", 'a') as saved: 打开一个文件 "myLinks.txt"，以追加模式。

• 使用 print(links[:100], file=saved) 将 links 列表中的前 100 个链接写入文件中，每个链接占一行。

• 如果需要每次覆盖文件内容而不是追加，可以将文件打开模式由 'a' 改为 'w'。

这段代码的功能是获取用户输入的链接对应网页中的前 100 个链接，并将这些链接写入到名为 "myLinks.txt" 的文件中。

运行截图

附完整代码

import requests as rq
from bs4 import BeautifulSoup

url = input("Enter Link: ")
if ("https" or "http") in url:
   data = rq.get(url)
else:
   data = rq.get("https://" + url)
soup = BeautifulSoup(data.text, "html.parser")
links = []
for link in soup.find_all("a"):
   links.append(link.get("href"))

# 将输出写入文件（myLinks.txt）
# 可以将“a”更改为“w”以每次覆盖文件
with open("myLinks.txt", 'a') as saved:
   print(links[:10], file=saved)

来源：https://juejin.cn/post/7233995529692839993