Python爬虫获取URL的方法包括：BeautifulSoup：使用find_all()和get("href")获取超链接的URL。lxml：使用XPath表达式//a/@href获取超链接的URL。requests：使用get()获取响应对象的URL。urlparse：使用urlparse(url)和geturl()从ParseResult对象中获取URL。re：使用正则表达式匹配URL。
Python爬虫获取URL
Python网络爬虫在从网站中提取数据时，需要获取页面中包含的URL。以下介绍了Python爬虫中获取URL的常用方法：
1. BeautifulSoup
BeautifulSoup是一个Python库，可用于解析HTML和XML文档。可以使用以下方法获取URL：
立即学习“Python免费学习笔记（深入）”；
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_content, "html.parser")
links = soup.find_all("a")
for link in links:
url = link.get("href")2. lxml
lxml是一个Python库，用于处理XML和HTML文档。可以使用XPath表达式获取URL：
from lxml import html
tree = html.fromstring(html_content)
links = tree.xpath("//a/@href")3. requests
requests是一个Python库，用于发送HTTP请求。可以使用以下方法获取URL：
-
get(): 向指定URL发送GET请求，并返回响应对象。 -
url: 获取响应对象的URL。
import requests
response = requests.get("https://example.com")
url = response.url4. urlparse
urlparse是Python标准库中的一个模块，用于操作URL。可以使用以下方法解析URL：
-
urlparse(url)：将URL解析为一个ParseResult对象。 -
geturl()：从ParseResult对象中获取URL。
import urllib.parse
result = urllib.parse.urlparse("https://example.com")
url = result.geturl()5. re
re是Python标准库中的一个模块，用于正则表达式。可以使用以下正则表达式匹配URL：
-
r"(https?://[^\s]+)"：匹配以http或https开头的URL。
import re html_content = "Link" urls = re.findall(r"(https?://[^\s]+)", html_content)
