如何用 Python 从网页中提取脚本和 CSS 文件？
原文:https://www . geesforgeks . org/如何从 python 网页中提取脚本和 css 文件/
先决条件:
在本文中，我们将讨论如何使用 Python 从网页中提取脚本和 CSS 文件。
为此，我们将下载在其编码过程中附加到网站源代码的 CSS 和 JavaScript 文件。首先，确定需要抓取的网站的网址，并向其发送请求。检索网站内容后，会创建两种文件类型的两个文件夹，并将文件放入其中，然后我们可以根据需要对它们执行各种操作。
需要的模块
- bs4: 美人汤(bs4)是一个从 HTML 和 XML 文件中拉出数据的 Python 库。这个模块没有内置 Python。
- 请求:请求让你可以极其轻松地发送 HTTP/1.1 请求。该模块也没有内置 Python。
例 1:
这里，我们计算每个相应类型的提取链接数。
Python 3
# Import Required Library
import requests
from bs4 import BeautifulSoup
# Web URL
web_url = "https://www.geeksforgeeks.org/"
# get HTML content
html = requests.get(web_url).content
# parse HTML Content
soup = BeautifulSoup(html, "html.parser")
js_files = []
cs_files = []
for script in soup.find_all("script"):
if script.attrs.get("src"):
# if the tag has the attribute
# 'src'
url = script.attrs.get("src")
js_files.append(web_url+url)
for css in soup.find_all("link"):
if css.attrs.get("href"):
# if the link tag has the 'href'
# attribute
_url = css.attrs.get("href")
cs_files.append(web_url+_url)
print(f"Total {len(js_files)} javascript files found")
print(f"Total {len(cs_files)} CSS files found")
输出:
总共找到 7 个 javascript 文件
总共找到 14 个 CSS 文件
我们还可以使用文件处理将提取的链接导入文本文件。
例 2:
Python 3
# Import Required Library
import requests
from bs4 import BeautifulSoup
# Web URL
web_url = "https://www.geeksforgeeks.org/"
# get HTML content
html = requests.get(web_url).content
# parse HTML Content
soup = BeautifulSoup(html, "html.parser")
js_files = []
cs_files = []
for script in soup.find_all("script"):
if script.attrs.get("src"):
# if the tag has the attribute
# 'src'
url = script.attrs.get("src")
js_files.append(web_url+url)
for css in soup.find_all("link"):
if css.attrs.get("href"):
# if the link tag has the 'href'
# attribute
_url = css.attrs.get("href")
cs_files.append(web_url+_url)
# adding links to the txt files
with open("javajavascript_files.txt", "w") as f:
for js_file in js_files:
print(js_file, file=f)
with open("css_files.txt", "w") as f:
for css_file in cs_files:
print(css_file, file=f)
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
