使用Python获取HTML文件上所有标签中的href属性值

使用Python获取HTML文件上所有标签中的href属性值

好吧，为了完整起见，我将在这里添加我发现的最佳答案，并在Mark Pilgrim的Dive Into Python一书中找到它。

以下是用于列出网页中所有URL的代码：

from sgmllib import SGMLParserclass URLLister(SGMLParser):    def reset(self):     SGMLParser.reset(self)        self.urls = []    def start_a(self, attrs):       href = [v for k, v in attrs if k=='href']          if href: self.urls.extend(href)import urllib, urllisterusock = urllib.urlopen("http://diveintopython.net/")parser = urllister.URLLister()parser.feed(usock.read())         usock.close()      parser.close()         for url in parser.urls: print url

感谢所有的答复。