诚之和:Python怎么爬取网页内外链的代码？爬出网页内外链代码方法分享！-CSDN博客

本文链接：https://blog.csdn.net/weixin_45378258/article/details/119883476

项目介绍

采用广度优先搜索方法获取一个网站上的所有外链。
首先，我们进入一个网页，获取网页的所有内链和外链，再分别进入内链中，获取该内链的所有内链和外链，直到访问完所有内链未知。

代码大纲

1、用class类定义一个队列，先进先出，队尾入队，队头出队；
2、定义四个函数，分别是爬取网页外链，爬取网页内链，进入内链的函数，以及调函数；
3、爬取百度图片（https://image.baidu.com/），先定义两个队列和两个数组，分别来存储内链和外链；程序开始时，先分别爬取当前网页的内链和外链，再分别入队，对内链外链进行判断，如果在数组中没有存在，这添加到数组中；
4、接着调用deepLinks()函数，采用循环结构，如果当前内链数量不为空时，则对存储内链的队列进行出队，并进入该内链中，再重复调用爬取网页内链和网页外链的函数，进行判断网页链接是否重复，不重复的话，再分别将内链，外链加入到对应的队列中，不断迭代循环；
5、进入网页内所有的内链，从中搜索出所有的外链并且存储在队列中，再输出。

网站详情

代码详情

队列

队列是一种特殊的线性表，单向队列只能在一端插入数据（后），另一端删除数据（前）；
它和栈一样，队列是一种操作受限制的线性表；
进行插入操作的称为队尾，进行删除操作的称为队头；
队列中的数据被称为元素；没有元素的队列称为空队列。

由于只能一端删除或者插入，所以只有最先进入队列的才能被删除，因此又被称为先进先出（FIFO—first in first out）线性表。
这里我们用class类定义一个队列，先进先出，队尾入队，队头出队，该队列要有定义以下功能：出队、入队、判断是否为空、输出队列长度、返回队头元素。

class Queue(object):
    #初始化队列
    def __init__(self):
        self.items = []
        
    #入队
    def enqueue(self, item):
        self.items.append(item)
        
    #出队
    def dequeue(self):
        if self.is_Empty():
            print("当前队列为空！！")
        else:
            return self.items.pop(0)
        
    #判断是否为空
    def is_Empty(self):
        return self.items == []
        
    #队列长度
    def size(self):
        return len(self.items)
    
    #返回队头元素，如果队列为空的话，返回None
    def front(self):
        if self.is_Empty():
            print("当前队列为空！！")
        else:
            return self.items[len(self.items) - 1]