Python 利用强大的网络爬取能力可爬取 URL。只需安装依赖项（requests 和 BeautifulSoup）、获取网页内容、解析 HTML，即可提取链接。例如，使用 BeautifulSoup 提取 www.python.org 上所有链接。此外，还有多线程爬取、深度优先搜索、广度优先搜索、处理分页和防反爬等拓展技巧。
Python 爬取 URL
前言
Python 是一款用途广泛的编程语言，具备强大的网络爬取能力。本文将介绍如何使用 Python 爬取 URL，并提供详细的示例代码。
方法
立即学习“Python免费学习笔记（深入）”；
1. 安装依赖项
pip install requests bs4
2. 获取网页内容
import requests
response = requests.get("https://example.com")3. 解析 HTML
from bs4 import BeautifulSoup soup = BeautifulSoup(response.content, "html.parser")
4. 提取链接
links = soup.find_all("a")
for link in links:
href = link.get("href")
print(href)示例
import requests
from bs4 import BeautifulSoup
# 获取网页内容
response = requests.get("https://www.python.org/")
# 解析 HTML
soup = BeautifulSoup(response.content, "html.parser")
# 提取链接
links = soup.find_all("a")
# 打印链接
for link in links:
href = link.get("href")
print(href)拓展
- 多线程爬取：使用多线程并发请求，提高爬取效率。
- 深度优先搜索：从种子 URL 出发，深度优先地爬取所有链接。
- 广度优先搜索：从种子 URL 出发，广度优先地爬取所有链接。
- 处理分页：有些网站内容按分页显示，爬虫需要处理分页加载。
- 防反爬：网站可能设置反爬措施，爬虫需要应对这些措施。
