python获取网页上所有链接

import urllib2   #获取源码的函数,urllib3更换 urllib.request.urlopen(url).read()  
    return urllib2.urlopen(url).read()  
  
def get_next_target(page): #每次处理page中寻找链接的函数  
    start_link = page.find('<a href=')  
    if start_link == -1:  
        return None, 0  
    start_quote = page.find('"', start_link)  
    end_quote = page.find('"', start_quote + 1)  
    url = page[start_quote + 1:end_quote]  
    return url, end_quote  
  
def print_all_links(page): #循环寻找  
    while True:  
        url, endpos = get_next_target(page)  
        if url:  
            print (url)  
            page = page[endpos:]  
        else:  
            break  
  
#print_all_links(get_page('http://xkcd.com/353'))  
print_all_links(get_page('http://www.baidu.com')) #用百度做一下实验  

还没有完善,a标签触发的javascript事件还未处理。一些函数在python3中不能用,最近学的是python2的课程。


  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值