Python可以在頁面1上獲得Href鏈接，然後從頁面2獲取段落？

Question

我對Python相當陌生，但我想知道是否可以利用Python及其模塊。要從頁面1中檢索href，然後在頁面2中檢索第一個段落。

Q2：另外，如何在頁面1上使用相同的div類刮掉前10個鏈接hrefs，然後刮掉前10個段落，而循環？

Answer 1

是的，我相信你應該可以。

嘗試查找請求和beautifulsoup python模塊。

Answer 2

使用美麗的選擇將是使用webbrowser模塊。 隨着webbrowser模塊，您可以在默認的網頁瀏覽器打開，甚至指定首選瀏覽器打開（使用默認是優選的，但是，作爲當然也不能保證用戶的喜好來搭配你的！）

所以你可以打開一個URL像這樣：

import webbrowser 

webbrowser.open_new('https://stackoverflow.com/help/formatting') 

或像這樣：不幸的是

import webbrowser 

a = webbrowser.get('chrome') #target chrome (e.g) 
a.open('https://www.stackoverflow.com') 

，如果你只是堅持哈希標籤（用於錨）到URL的末尾，web瀏覽器不似乎喜歡這個。相反，你應該使用變量定義你的錨，並把它傳遞到一個函數作爲參數：

def open_anchor(self, anchor): 
     """ Open selected anchor in the default webbrowser 
     """ 
     webbrowser.open(anchor) 

有這個page

希望有更多的web瀏覽器實例中，這有助於

Answer 3

有兩個Python模塊我會用這個：requests和regular expressions。我會用請求來獲取網站原始的HTML，然後使用正則表達式來獲得，例如您的段落：

import requests, re 
site = requests.get("http://somewebsite.com").text 
paragraphs = re.findall(r"<p>(.*?)</p>", site, re.DOTALL) 
firstPara = paragraphs[0] 
print(firstPara) 

這裏的請求行是不言自明的和正則表達式表示，尋找第一<p>標籤，然後括號意思是回報只是.*?這一點，這是(*)的任何字符(.)最多(?)關閉</p>標記。最後，re.DOTALL只是意味着它將數學換算作爲查找的一部分