python 找出html中的所有鏈接（Xpath、正則兩個版本）

要在hrml文件中找出特定的內容，首先需要觀察該內容是什么東西，在什么位置，這樣才能找出來。

假設html的文件名稱是:"1.html"、href屬性全都在a標簽里。

正則版：

#coding:utf-8
import re

with open('1.html','r') as f:
    data = f.read()

result = re.findall(r'href="(.*?)"',data)
for each in result:
    print each

Xpath版：

#coding:utf-8
from lxml import etree

with open('1.html', 'r') as f:
    data = f.read()

selector = etree.HTML(data)

result = selector.xpath('//a/@href')
for each in result:
    print each

1.html  自己隨便找個鏈接  這里的html丟失