使用lxml獲取HTML的所有鏈接

Question

我想使用lxml從html頁面找出所有的url及其名稱。

我可以解析網址，可以找出這個東西，但有沒有什麼簡單的方法，我可以找到所有的URL鏈接使用lxml？

Answer 1

from lxml.html import parse 
dom = parse('http://www.google.com/').getroot() 
links = dom.cssselect('a') 

Answer 2

from lxml import etree, cssselect, html 

with open("/you/path/index.html", "r") as f: 
    fileread = f.read() 

dochtml = html.fromstring(fileread) 

select = cssselect.CSSSelector("a") 
links = [ el.get('href') for el in select(dochtml) ] 

links = iter(links) 
for n, l in enumerate(links): 
    print n, l