如何提取网页中指定的网址，实现短网址直达功能，求批处理

447219071

求批处理，谢谢：
发现个新问题，这个转址居然用wget.exe下不下来，举例网址 dd.ma/mE0NUHSi
网页源码见附件，提取网址（网址任意的）并打开如下图红色部分所示，注意，网址并不固定不限是如下百度的（如其它任意形式的网址），但都是这个形式而已：

ivor

回复 1# 447219071

1. # -*- coding:utf-8 -*-
   
2. # 需下载Python 3.5, bs4
   
3. # pip -install bs4
   
4. 
   
5. 
   
6. import bs4, os
   
7. import urllib.request as url
   
8. 
   
9. try:
   
10.     #文件路径
    
11.     file = "file:///D:/robot/desk/Script/a.txt"
    
12.     req = url.urlopen(file)
    
13.     soup = bs4.BeautifulSoup(req,'html.parser')
    
14.     for i in soup.find_all('a'):
    
15.         if i.string == '点击打开' or i.string == '点击这里进入':
    
16.             Url = url.unquote(i.get('href'))
    
17.             print("%s:      %s" % (i.string,Url))
    
18.             os.system("start %s" % Url)
    
19. except:
    
20.         print("文件不能读取")
    
21.         pass
    
22. input("回车结束")

复制代码

lifei259

1. @echo off
   
2. for /f "tokens=9 delims=^=^> " %%a in ('type,a.txt^|find "href="') do set "a=%%a"
   
3. start "" %a%ping 127.1 -n 10
   
4. pause
   

复制代码

我更新了 你可以试试,等十秒打开一个窗口。

447219071

回复 2# ivor 是求批处理，谢谢

447219071

回复 3# lifei259
这是要打开的还原地址没错，但是其它网页代码也与此类似，但要得到的网址并不一定是百度的

yhcfsr

1. @echo off&setlocal enabledelayedexpansion
   
2. set "str1=http:"
   
3. set "str2=""
   
4. (for /f "delims=" %%a in ('findstr "!str1!.*!str2!" "A.txt"') do (
   
5.             set "str=#%%a"
   
6.         set "str=!str:%str1%=$!"
   
7.         for /f "tokens=2 delims=$" %%i in ("!str!") do set "str=%str1%%%i"
   
8.         set "str=!str:%str2%=*!"
   
9.         for /f "tokens=1 delims=*" %%j in ("!str!") do echo;%%j
   
10. ))>temp.txt
    
11. pause

复制代码

获取所有HTTP开头的网址，没有对重复网址进行甄别。

codegay

python3 + selenium + chrome浏览器

1. # -*- coding: utf-8 -*-
   
2. """
   
3. Created on Sun Dec  3 00:40:35 2017
   
4. @author: codegay
   
5. python3 & 编辑器 == spyder
   
6. """
   
7. 
   
8. from time import sleep
   
9. from selenium import webdriver
   
10. # appdata = environ["LOCALAPPDATA"] + r"\Google\Chrome\User Data"
    
11. appdata = "c:/chrome-selenium"
    
12. options = webdriver.ChromeOptions()
    
13. 
    
14. options.add_argument("user-data-dir=" + appdata)
    
15. # options.add_argument("headless")
    
16. options.add_argument("disable-gpu")
    
17. 
    
18. ddurl = "http://dd.ma/mE0NUHSi"
    
19. 
    
20. chrome = webdriver.Chrome(chrome_options=options)
    
21. chrome.get(ddurl)
    
22. sleep(10)
    
23. try:
    
24.     geturl = chrome.find_element_by_link_text("点击这里进入")
    
25. except:
    
26.     print("异常错误或者找不到元素")
    
27.     exit()
    
28. 
    
29. url = geturl.get_property("href")
    
30. 
    
31. print("url:", url)
    
32. 
    
33. chrome.get(url)
    

复制代码

codegay

优化了一下。通过id和tag定位，这样不用等待JS的那个倒计时。

1. # -*- coding: utf-8 -*-
   
2. """
   
3. Created on Sun Dec  3 00:40:35 2017
   
4. @author: codegay
   
5. python3 & 编辑器 == spyder
   
6. """
   
7. 
   
8. from time import sleep
   
9. from selenium import webdriver
   
10. # appdata = environ["LOCALAPPDATA"] + r"\Google\Chrome\User Data"
    
11. appdata = "c:/chrome-selenium"
    
12. options = webdriver.ChromeOptions()
    
13. 
    
14. options.add_argument("user-data-dir=" + appdata)
    
15. # options.add_argument("headless")
    
16. # options.add_argument("disable-gpu")
    
17. 
    
18. ddurl = "http://dd.ma/mE0NUHSi"
    
19. 
    
20. chrome = webdriver.Chrome(chrome_options=options)
    
21. chrome.get(ddurl)
    
22. sleep(1)
    
23. try:
    
24.     geturl = chrome.find_element_by_id("btn_open")
    
25.     geturl = geturl.find_element_by_tag_name("a")
    
26. except Exception as e:
    
27.     print("异常错误或者找不到元素:")
    
28.     print(e)
    
29.     exit()
    
30. 
    
31. url = geturl.get_property("href")
    
32. 
    
33. print("url:", url)
    
34. 
    
35. chrome.get(url)
    

复制代码

447219071

回复 8# codegay


    可能我使用的是WINDOWS系统的原因，生成批处理运行后没有反应！谢谢费心

447219071

回复 3# lifei259


    恩，试了可以用！另一个像我更新后的问题，用WGET下不了这个转址的源码，因为下这个转短的源码要等展示5秒钟后才会出现真正的源码，请问怎么弄法，谢谢高手！

codegay

nim语言写的

1. import httpclient
   
2. import re
   
3. import os
   
4. 
   
5. proc getlink*(url:string):string {.discardable.} =
   
6.     var client = newHttpClient()
   
7.     var link: array[1,string]
   
8.     var ddmaContent:string
   
9.     ddmaContent = client.getContent(url)
   
10.     client.close()
    
11. 
    
12.     if find(ddmaContent,re"""link1"\s+href="(.+)"""",link,1) != -1 :
    
13.         echo "link:",link[0]
    
14.         result = link[0]
    
15.     else:
    
16.         result = ""
    
17. 
    
18. proc startlink*(url:string):int {.discardable.} =
    
19.     result = execShellCmd("start " & url)
    
20. 
    
21. startlink(getlink("http://dd.ma/mE0NUHSi"))
    

复制代码