获取当前页面的所有链接的三种方法对比（python 爬虫）

‘‘‘
得到当前页面所有连接
‘‘‘

import requests

import re
from bs4 import BeautifulSoup
from lxml import etree

url = ‘http://www.ok226.com‘
r = requests.get(url)
r.encoding = ‘gb2312‘

# 利用 re （太黄太暴力！）
matchs = re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\‘).+?(?=\‘)" , r.text)
for link in matchs:
    print(link)

print()

# 利用 BeautifulSoup4 （DOM树）
soup = BeautifulSoup(r.text,‘lxml‘)
for a in soup.find_all(‘a‘):
    link = a[‘href‘]
    print(link)

print()

# 利用 lxml.etree （XPath）
tree = etree.HTML(r.text)
for link in tree.xpath("//@href"):
    print(link)