如何在使用beautifulsoup的python中獲得下載鏈接？

Question

我想獲取下載鏈接。例如，在http://www.brothersoft.com/windows/top-downloads/

所以預期的結果應該是：

List of url: 
1. http://www.brothersoft.com/photoscape-64604.html 
2. http://www.brothersoft.com/orbit-downloader-54366.html 
3. .... 
4. ... 
till 100. 

我曾嘗試這樣的代碼：

import urllib 
from bs4 import BeautifulSoup 

pageFile = urllib.urlopen("http://www.brothersoft.com/windows/top-downloads/") 

pageHtml = pageFile.read() 

pageFile.close() 

soup = BeautifulSoup("".join(pageHtml)) 

sAll = soup.findAll("a") 

for i in range (0,100) 
    for link in sAll: 
     print i,link 

但它給出不正確的輸出。 謝謝

Answer 1

首先，BeautifulSoup("".join(pageHtml))是不需要的，因爲pageHtml已經是一個字符串，所以你可以直接使用，如BeautifulSoup(pageHtml)。

for i in range (0,100)

如果你正在使用Python 2（我認爲你這樣做，因爲Python 3的urllib的沒有urlopen），你應該使用的xrange（100）來代替，這是一個快一點，也是不需要的話要包括第一個零，如果你從零開始計算，所以xrange（100）將會很好。

此外，您有一個語法錯誤，在range和(0,100)之間沒有空格，並在它後面直接添加一個:。

最後，你的代碼只會打印所有鏈接100次，這不是你所需要的;如果你只需要第100個鏈接，你應該使用這樣的事情：

for i in xrange(100): print sAll[i]["href"]

基本上，這使得從0到100的列表，並對其進行迭代，當前值是i，則它使用i作爲從sAll數組中檢索數據的索引（顯然，如果sAll列表小於100，將拋出一個KeyError異常），最後打印該項目的鏈接目標的「href」屬性。

如果您想要打印該號碼，則可以使用print i, sAll[i]["href"]。