Python提取網頁中的超連結位址方法

最近正在學習Python，打算用作爬蟲開發。既然要做爬蟲，首先就要抓取網頁，並且從網頁中提取出超連結位址。

下面是最簡單的實現方法，先將目標網頁抓回來，然後通過正則匹配a標籤中的href屬性來獲得超連結，代碼如下：

代碼如下	複製代碼
import urllib2 import re url = 'http://www.111cn.net/' 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

如果抓取的111cn的內容他就會把所有的以http開頭的串連地址全部提取出來了，其實就是擷取當前頁面的外鏈了。