python中怎样从文本中识别链接？

yarshure

1. 
   
2. from sgmllib import SGMLParser
   
3. 
   
4. class URLLister(SGMLParser):
   
5.         def reset(self):
   
6.                 SGMLParser.reset(self)
   
7.                 self.urls = []
   
8. 
   
9.         def start_a(self, attrs):
   
10.                 href = [v for k, v in attrs if k=='href']
    
11.                 if href:
    
12.                         self.urls.extend(href)
    
13. 
    
14. if __name__ == "__main__":
    
15.         import urllib
    
16.         usock = urllib.urlopen("http://diveintopython.org/")
    
17.         parser = URLLister()
    
18.         parser.feed(usock.read())
    
19.         parser.close()
    
20.         usock.close()
    
21.         for url in parser.urls: print url
    

复制代码