请用 python+selenium 爬取 XXX 网站上的所有a链接的 href属性并访问，输出访问地址和状态码

理想和远方_在路上

已于 2023-06-19 10:30:11 修改

阅读量5.5k

点赞数

分类专栏： python selenium 文章标签： python selenium

于 2023-06-08 15:07:52 首次发布

本文链接：https://blog.csdn.net/weixin_38822843/article/details/131108312

版权

python 同时被 2 个专栏收录

1 篇文章 0 订阅

订阅专栏

selenium

1 篇文章 0 订阅

订阅专栏

使用Python的Selenium库和requests模块，该代码示例展示了如何抓取一个网页（如百度）上的所有链接，获取它们的href属性，并检查每个链接是否能正常打开，通过requests.get()获取状态码。对于非HTTP链接，通过Selenium点击并获取当前URL的状态码。

摘要由CSDN通过智能技术生成

需求：需要查看网页上所有的链接能否正常打开，状态值是否为 200

# 请用 python+selenium  爬取 XXX 网站上的所有a链接的 href属性并访问，输出访问地址和状态码
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import requests

driver = webdriver.Chrome()
# 这里以百度为例
driver.get("https://www.baidu.com")

wait = WebDriverWait(driver, 10)
links = wait.until(EC.presence_of_all_elements_located((By.XPATH, "//a")))

# 遍历所有的链接元素，并输出href属性值
for link in links:
    href = link.get_attribute("href")
    if href.startswith("http"):
        response = requests.get(href)
        print(href, response.status_code)
    else:
        link.click()
        print(driver.current_url, driver.execute_script('return document.readyState'),
              requests.get(driver.current_url).status_code)

# 关闭浏览器
driver.quit()