Pythonでウェブサイトを走査するためには、いくつかの方法を使うことができますが、一般的な2つの方法を以下に示します:
- requestsライブラリとBeautifulSoupライブラリを使用します。最初にrequestsライブラリを使ってHTTPリクエストを送り、ウェブページのHTMLコンテンツを取得し、その後BeautifulSoupライブラリを使用してHTMLコンテンツを解析します。BeautifulSoupのfind_all()メソッドを使って、特定のタグや要素をウェブサイト上で見つけることができます。
import requests
from bs4 import BeautifulSoup
# 发送HTTP请求获取网页内容
response = requests.get('http://example.com')
html_content = response.text
# 解析HTML内容
soup = BeautifulSoup(html_content, 'html.parser')
# 遍历网页上的所有链接
for link in soup.find_all('a'):
print(link.get('href'))
- Scrapyライブラリの使用:ScrapyはPythonの強力なウェブクローリングフレームワークであり、ウェブデータを収集、処理、保存するためのツールやメソッドを提供しています。カスタムのSpiderを作成することで、ウェブページ上のリンクやページを巡回することができます。
import scrapy
class MySpider(scrapy.Spider):
name = 'example'
start_urls = ['http://example.com']
def parse(self, response):
# 遍历网页上的所有链接
for link in response.css('a::attr(href)').getall():
yield {
'link': link
}
具体のニーズに応じて、適切な方法を選択してウェブページを横断するための一般的な2つの方法があります。