Python3使用BS4筛选并打印包含.php?id=的指定href链接

错误原因 #

• 直接使用通配符*.php?id=*做包含判断不符合Python语法，in关键字无法识别通配符规则
• 未遍历单个href链接逐个校验，直接对整个href列表做匹配，不可能命中目标

基于你现有lxml实现的修改代码 #

import requests
from lxml import html

def gethref(ip):
    url = f"http://{ip}"
    print(f"[x] ~ SCAN: {url} ~ [x]")
    # 增加请求异常捕获，避免站点无法访问时报错退出
    try:
        req = requests.get(url, timeout=10)
        # 自动适配页面编码，避免乱码
        req.encoding = req.apparent_encoding
        tree = html.fromstring(req.text)
        # 提取所有href属性
        all_href = tree.xpath('//@href')
        # 遍历筛选符合条件的链接
        for href in all_href:
            # 先判断href不为空，再匹配子串
            if href and '.php?id=' in href:
                print(href)
    except Exception as e:
        print(f"访问站点出错：{str(e)}")

基于BeautifulSoup的实现代码（对应你注释里的方案） #

import requests
from bs4 import BeautifulSoup

def gethref(ip):
    url = f"http://{ip}"
    print(f"[x] ~ SCAN: {url} ~ [x]")
    try:
        req = requests.get(url, timeout=10)
        req.encoding = req.apparent_encoding
        soup = BeautifulSoup(req.text, 'html.parser')
        # 查找所有a标签
        for a_tag in soup.find_all('a'):
            href = a_tag.get('href')
            if href and '.php?id=' in href:
                print(href)
    except Exception as e:
        print(f"访问站点出错：{str(e)}")

可选优化 #

如果需要更精准的匹配规则，比如仅匹配id参数为数字的链接，可以使用正则表达式做过滤：

1. 先导入re库：import re
2. 把判断条件替换为：if href and re.search(r'\.php\?id=\d+', href)

内容的提问来源于stack exchange，提问作者00xZ