我希望能够使用python https://yeezysupply.com/pages/all从以下网页中提取所有网址。我尝试使用我发现的其他建议,但他们似乎并没有使用此特定网站。我最终根本找不到任何网址。
import urllib
import lxml.html
connection = urllib.urlopen('https://yeezysupply.com/pages/all')
dom = lxml.html.fromstring(connection.read())
for link in dom.xpath('//a/@href'):
print link
答案 0 :(得分:1)
也许您可以使用专门为此设计的模块。这是一个快速而又脏的脚本,可以获取页面上的相关链接
#!/usr/bin/python3
import requests, bs4
res = requests.get('https://yeezysupply.com/pages/all')
soup = bs4.BeautifulSoup(res.text,'html.parser')
links = soup.find_all('a')
for link in links:
print(link.attrs['href'])
它生成如下输出:
/pages/jewelry
/pages/clothing
/pages/footwear
/pages/all
/cart
/products/womens-boucle-dress-bleach/?back=%2Fpages%2Fall
/products/double-sleeve-sweatshirt-bleach/?back=%2Fpages%2Fall
/products/boxy-fit-zip-up-hoodie-light-sand/?back=%2Fpages%2Fall
/products/womens-boucle-skirt-cream/?back=%2Fpages%2Fall
etc...
这是你要找的?请求和美丽的汤是令人惊叹的刮刮工具。
答案 1 :(得分:0)
页面源中没有链接;在浏览器中加载页面后,使用Javascript插入它们。