python - 在 Python 中从 HTML 中提取链接

Question

我基本上必须制作一个程序，它接受用户输入的网址并解析 html 以查找链接。然后将所有链接以某种格式存储在另一个 HTML 文件中。我只能访问内置 python 模块 (python 3) 。我能够使用 urllib.request 从链接获取 HTML 代码并将其放入字符串中。我实际上如何从该字符串中提取链接并将它们放入字符串数组中？还可以识别链接(例如图像链接/mp3链接)，以便我可以将它们放入不同的数组中(然后我可以在创建输出文件时对它们进行分类)

Answer 1

您可以使用re解析 HTML 文本以获取链接的模块。特别是 findall 方法可以返回每个匹配项。

至于按文件类型排序，取决于 URL 是否实际包含扩展名(即 .mp3、.js、.jpeg 等)

你可以像这样做一个简单的 for 循环:

import re
html = getHTMLText()
mp3s = []
other = []
for match in re.findall('<reexpression>',html):
    if match.endswith('.mp3'):
        mp3s.append(match)
    else:
        other.append(match)