Método de extração de hiperligações de páginas da web usando Python

Aqui está a maneira mais simples de implementar, primeiro capturar a página alvo, então usar o ajuste de expressão regular para obter o hiperlink no atributo href da tag a

O código a seguir é:

import urllib2
import re
url = 'http://www.sunbloger.com/'
req = urllib2.Request(url)
con = urllib2.urlopen(req)
doc = con.read()
con.close()
links = re.findall(r'href\=\"(http\:\/\/[a-zA-Z0-9\./]+)\"', doc)
for a in links:
  print a

Resumo

Este é o conteúdo completo deste artigo, esperamos que o conteúdo deste artigo ajude vocês a aprenderem ou a trabalhar. Se tiverem alguma dúvida, podem deixar um comentário para trocar.