Python實(shí)現(xiàn)抓取頁面上鏈接的簡(jiǎn)單爬蟲分享
除了C/C++以外，我也接觸過不少流行的語言，PHP、java、javascript、python，其中python可以說是操作起來最方便，缺點(diǎn)最少的語言了。
前幾天想寫爬蟲，后來跟朋友商量了一下，決定過幾天再一起寫。爬蟲里重要的一部分是抓取頁面中的鏈接，我在這里簡(jiǎn)單的實(shí)現(xiàn)一下。
首先我們需要用到一個(gè)開源的模塊，requests。這不是python自帶的模塊，需要從網(wǎng)上下載、解壓與安裝：
windows用戶直接點(diǎn)擊下載。解壓后再本地使用命令python setup.py install安裝即可。 https://github.com/kennethreitz/requests/zipball/master
這個(gè)模塊的文檔我也正在慢慢翻譯，翻譯完了就給大家傳上來（英文版先發(fā)在附件里）。就像它的說明里面說的那樣，built for human beings,為人類而設(shè)計(jì)。使用它很方便，自己看文檔。最簡(jiǎn)單的，requests.get()就是發(fā)送一個(gè)get請(qǐng)求。
代碼如下：
# coding:utf-8
import re
import requests
# 獲取網(wǎng)頁內(nèi)容
r = requests.get('http://www.163.com')
data = r.text
# 利用正則查找所有連接
link_list =re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')" ,data)
for url in link_list:
print url
首先import進(jìn)re和requests模塊，re模塊是使用正則表達(dá)式的模塊。
data = requests.get('http://www.163.com')，向網(wǎng)易首頁提交get請(qǐng)求，得到一個(gè)requests對(duì)象r，r.text就是獲得的網(wǎng)頁源代碼，保存在字符串data中。
再利用正則查找data中所有的鏈接，我的正則寫的比較粗糙，直接把href=""或href=''之間的信息獲取到，這就是我們要的鏈接信息。
re.findall返回的是一個(gè)列表，用for循環(huán)遍歷列表并輸出：
這是我獲取到的所有連接的一部分。
上面是獲取網(wǎng)站里所有鏈接的一個(gè)簡(jiǎn)單的實(shí)現(xiàn)，沒有處理任何異常，沒有考慮到超鏈接的類型，代碼僅供參考。requests模塊文檔見附件。
相關(guān)文章
django認(rèn)證系統(tǒng)實(shí)現(xiàn)自定義權(quán)限管理的方法
今天小編就為大家分享一篇django認(rèn)證系統(tǒng)實(shí)現(xiàn)自定義權(quán)限管理的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-08-08
Python用Bottle輕量級(jí)框架進(jìn)行Web開發(fā)
這篇文章主要介紹了Python用Bottle輕量級(jí)框架進(jìn)行Web開發(fā)的相關(guān)資料,需要的朋友可以參考下2016-06-06
Python獲取系統(tǒng)默認(rèn)字符編碼的方法
這篇文章主要介紹了Python獲取系統(tǒng)默認(rèn)字符編碼的方法,涉及Python中sys模塊getdefaultencoding方法的使用技巧,需要的朋友可以參考下2015-06-06
Python的type()函數(shù)用法小結(jié)(最新推薦)
在本文中,深入探討了type()函數(shù)的用法,提供了詳細(xì)的示例代碼,并討論了其在Python編程中的實(shí)際應(yīng)用,通過學(xué)習(xí)如何正確使用type()函數(shù),可以更好地掌握Python編程,并寫出更可靠的代碼,需要的朋友可以參考下2024-07-07
Python調(diào)用GPT3.5接口的最新方法實(shí)例詳解
這篇文章主要介紹了Python調(diào)用GPT3.5接口的最新方法,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-03-03
在現(xiàn)代通信中,電子郵件是一種常見的溝通方式,通過Python編程語言,您可以使用內(nèi)置的庫來發(fā)送郵件,并在郵件中嵌入HTML內(nèi)容和圖片,本文將介紹如何使用Python發(fā)送帶有HTML格式內(nèi)容,以及涉及的步驟和代碼示例2023-08-08
Python搭建代理IP池實(shí)現(xiàn)獲取IP的方法
這篇文章主要介紹了Python搭建代理IP池實(shí)現(xiàn)獲取IP的方法，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
OpenCV實(shí)現(xiàn)車輛識(shí)別和運(yùn)動(dòng)目標(biāo)檢測(cè)
本文主要介紹了OpenCV實(shí)現(xiàn)車輛識(shí)別和運(yùn)動(dòng)目標(biāo)檢測(cè)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-08-08
Pandas中的unique()和nunique()區(qū)別詳解
Pandas中Series和DataFrame的兩種數(shù)據(jù)類型中都有nunique()和unique()方法，本文詳細(xì)的介紹了兩者的區(qū)別，具有一定的參考價(jià)值，感興趣的可以了解一下2022-08-08
對(duì)pandas的行列名更改與數(shù)據(jù)選擇詳解
今天小編就為大家分享一篇對(duì)pandas的行列名更改與數(shù)據(jù)選擇詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-11-11