激情久久久_欧美视频区_成人av免费_不卡视频一二三区_欧美精品在欧美一区二区少妇_欧美一区二区三区的

腳本之家,腳本語言編程技術及教程分享平臺!
分類導航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|

服務器之家 - 腳本之家 - Python - Python3 實現爬取網站下所有URL方式

Python3 實現爬取網站下所有URL方式

2020-04-19 11:10嗨學編程 Python

今天小編就為大家分享一篇Python3 實現爬取網站下所有URL方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

獲取首頁元素信息:

目標 test_URL:http://www.xxx.com.cn/

首先檢查元素,a 標簽下是我們需要爬取得鏈接,通過獲取鏈接路徑,定位出我們需要的信息

?
1
2
soup = Bs4(reaponse.text, "lxml")
urls_li = soup.select("#mainmenu_top > div > div > ul > li")

首頁的URL鏈接獲取:

完成首頁的URL鏈接獲取,具體代碼如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
'''
遇到不懂的問題?Python學習交流群:821460695滿足你的需求,資料都已經上傳群文件,可以自行下載!
'''
def get_first_url():
  list_href = []
  reaponse = requests.get("http://www.xxx.com.cn", headers=headers)
  soup = Bs4(reaponse.text, "lxml")
  urls_li = soup.select("#mainmenu_top > div > div > ul > li")
  for url_li in urls_li:
    urls = url_li.select("a")
    for url in urls:
      url_href = url.get("href")
      list_href.append(head_url+url_href)
      out_url = list(set(list_href))
  for reg in out_url:
    print(reg)

遍歷第一次返回的結果:

從第二步獲取URL的基礎上,遍歷請求每個頁面,獲取頁面中的URL鏈接,過濾掉不需要的信息

具體代碼如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
def get_next_url(urllist):
  url_list = []
  for url in urllist:
    response = requests.get(url,headers=headers)
    soup = Bs4(response.text,"lxml")
    urls = soup.find_all("a")
    if urls:
      for url2 in urls:
        url2_1 = url2.get("href")
        if url2_1:
          if url2_1[0] == "/":
            url2_1 = head_url + url2_1
            url_list.append(url2_1)
            if url2_1[0:24] == "http://www.xxx.com.cn":
              url2_1 = url2_1
              url_list.append(url2_1)
            else:
              pass
          else:
            pass
        else:
          pass
    else:
      pass
  url_list2 = set(url_list)
  for url_ in url_list2:
    res = requests.get(url_)
    if res.status_code ==200:
      print(url_)
  print(len(url_list2))

遞歸循環遍歷:

遞歸實現爬取所有url,在get_next_url()函數中調用自身,代碼如下:

?
1
get_next_url(url_list2)

全部代碼如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
import requests
from bs4 import BeautifulSoup as Bs4
 
head_url = "http://www.xxx.com.cn"
headers = {
  "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36"
}
def get_first_url():
  list_href = []
  reaponse = requests.get(head_url, headers=headers)
  soup = Bs4(reaponse.text, "lxml")
  urls_li = soup.select("#mainmenu_top > div > div > ul > li")
  for url_li in urls_li:
    urls = url_li.select("a")
    for url in urls:
      url_href = url.get("href")
      list_href.append(head_url+url_href)
      out_url = list(set(list_href))
  return out_url
 
 
def get_next_url(urllist):
  url_list = []
  for url in urllist:
    response = requests.get(url,headers=headers)
    soup = Bs4(response.text,"lxml")
    urls = soup.find_all("a")
    if urls:
      for url2 in urls:
        url2_1 = url2.get("href")
        if url2_1:
          if url2_1[0] == "/":
            url2_1 = head_url + url2_1
            url_list.append(url2_1)
            if url2_1[0:24] == "http://www.xxx.com.cn":
              url2_1 = url2_1
              url_list.append(url2_1)
            else:
              pass
          else:
            pass
        else:
          pass
    else:
      pass
  url_list2 = set(url_list)
  for url_ in url_list2:
    res = requests.get(url_)
    if res.status_code ==200:
      print(url_)
  print(len(url_list2))
  get_next_url(url_list2)
 
 
if __name__ == "__main__":
  urllist = get_first_url()
  get_next_url(urllist)

以上這篇Python3 實現爬取網站下所有URL方式就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持服務器之家。

原文鏈接:https://blog.csdn.net/fei347795790/article/details/99471972

延伸 · 閱讀

精彩推薦
主站蜘蛛池模板: 国产一区不卡 | 国产一级aa大片毛片 | 黄色av.com | 在线观看av国产一区二区 | 麻豆小视频在线观看 | 久久久青青草 | 日本一区二区不卡在线 | 免费观看一区二区三区 | 一色屋任你操 | 91精品国产免费久久 | 男女做性免费网站 | 国产精品av久久久久久网址 | 国产精选久久 | 91短视频在线视频 | 99在线热播精品免费 | 久久久久国产成人精品亚洲午夜 | av电影在线网站 | 久久精品一区二区三区国产主播 | asian附近女人裸体pics | 最新亚洲国产 | 一级黄色片武则天 | 日韩黄色免费电影 | 亚洲精品在线观看免费 | 97zyz成人免费视频 | hd极品free性xxx一护士 | 久久久一区二区精品 | 91精品国产91| 调教小男生抽打尿孔嗯啊视频 | 国产视频导航 | 欧美视频一区二区三区在线观看 | 国产人成免费爽爽爽视频 | 今井夏帆av一区二区 | 色羞羞| 日本羞羞影院 | 99日韩精品视频 | 欧美日韩精品一区二区三区不卡 | 中文亚洲视频 | 精品免费久久 | 免费看国产 | 欧美激情猛片xxxⅹ大3 | 成人青青草 |