使用Python将xml格式网站地图转为txt格式地图

更新时间:2021年05月11日16时05分来源:传智教育浏览次数:

网站地图(SiteMap)，也叫站点地图，是把网站中所有页面的链接都放在网页上的网页。搜索蜘蛛很喜欢网站地图，SiteMap是网站所有链接的容器。许多网站连通的层次比较深，蜘蛛很难抓到，网站地图可以方便搜索引擎蜘蛛抓取网站页面，通过抓取网站页面，清楚了解网站的结构，网站地图一般被命名为sitemap，为搜索引擎蜘蛛指引方向，增加对网站重要内容页面的收录。

网站地图格式一般是.xml格式的居多，那么如何将.xml文件转为.txt格式呢?下面我们通过Python来实现。

# 导入requests模块，用于获取网站地图源码
import requests
# 导入正则表达式模块，用于在xml网站地图中获取链接地址
import re

# 获取传智教育网站地图源码
sitemap_xml = requests.get('http://www.itcast.cn/sitemap/sitemap.xml').text
# 使用正则表达式匹配网站地图中的链接
url = re.findall(r'<loc>(.*)</loc>', sitemap_xml)
# 使用join()函数在每条链接钱前面加个换行符
url_line = '\n'.join(str(url_one) for url_one in url)
# 将获取的链接保存为sitemap.xml
open(r'sitemap.txt', 'w', encoding='utf-8').write(url_line)

xml网站地图转为txt