python抓取网站URL小工具

1、安装Python requests模块（通过pip）：

环境搭建好了！

2、测试一下抓取URL的过程：

抓取出来的URL有JavaScript代码，正则上还有待更加完善，有兴趣的可以研究下~！

工具源代码:

#coding:utf-8

import sys

import re

import requests

#获取输入URL，并获取网页text

input = raw_input("please input URL format like this(http://www.baidu.com):")

print ‘input : %s‘ % input

r = requests.get(input)

data = r.text

#利用正则查找所有URL

link_list =re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\‘).+?(?=\‘)" ,data)

count = 0

for url in link_list:

    file = open("c:\\test.txt", "a")

    file.write(url+"\n")

    count = count + 1

    print url

print ‘\n‘

print ‘total URL is:‘ + str(count)

print ‘\n‘

print ‘crawling achieve...‘

file.close()

python抓取网站URL小工具

原文：http://www.cnblogs.com/milantgh/p/4844712.html