python - 列出网站上的所有文件

Question

我正在开发一个程序，该程序使用 xgoogle 在 Internet 上搜索某些内容，然后在结果网站中找到所有文件。我在查找网站中的所有文件时遇到问题。我找到了一个 question那很相似，但我无法让它工作。这是我一直在使用的代码。

from bs4 import BeautifulSoup
import requests
def find_files():
    url = "http://www.python.org"
    soup = BeautifulSoup(requests.get(url).text)
    for a in soup.find('div', {'class': 'catlist'}).find_all('a'):
        yield url + a['href']

当我调用它时代码没有运行。我在函数中放置了 print 语句，但没有任何反应。我应该怎么做才能解决它？此函数如何返回网站中所有文件的列表？

Answer 1

试试这个让你开始..

from bs4 import BeautifulSoup
import requests

def find_files():
    url = "http://www.python.org"
    soup = BeautifulSoup(requests.get(url).text)

    hrefs = []

    for a in soup.find_all('a'):
        hrefs.append(a['href'])

    return hrefs

list_of_links = find_files()

## show what you've found:
for link in list_of_links:
    print link

正如您将看到的，您不能只将 url 添加到所有结果中，因为其中一些是针对其他站点的，因此某些结果 URL 将不存在...您应该对您获得的所有点击做出决定。

此外，请在运行此之前检查网站关于网页抓取的政策

如果您想以生成器的方式执行此操作，以下内容可能会有用:

from bs4 import BeautifulSoup
import requests

def find_files(url):

    soup = BeautifulSoup(requests.get(url).text)

    for a in soup.find_all('a'):
        yield a['href']

for link in find_files("http://www.python.org"):
    print link

注意 - 我已经移动了您的 url 以使此代码更易于重用。