http://topic.csdn.net/u/20110218/10/9d56ddb9-5cd7-4286-bc15-9b5b71d3a3e2.html

我本来想一边改一边回复，结果不能连续三次回复，vivre_1又结贴了，真悲剧。现在单独发帖回复吧。

vivre_1应该再精益求精点，把问题搞明白。虽然我之前给你的回复貌似可以解决问题，但实际上属于重写代码，还没有指出为什么你原来的代码不能工作。而且代码里里还有些其他的（风格上的）问题，也应该改掉。

……以下接之前的回复……

尽量少写循环。把内层的循环删掉了：

if __name__=='__main__':

    links = map(completeLink, parseLinks("http://www.yxlink.com/index.html"))



    i = 0 

    while i < len(links):

        moreLinks = set(links) - set(map(completeLink, parseLinks(links[i])))

        links.extend(moreLinks)

        i += 1

    print links

另外网页里拿到的链接可能有重复，所以简单去个重：

    links = list(set(links))

完整代码如下：

import urllib

import HTMLParser



class LinkParser(HTMLParser.HTMLParser):

    def __init__(self):

        HTMLParser.HTMLParser.__init__(self)

        self.links= []



    def handle_starttag(self,tag,attrs):

        print self.links

        if tag == 'a':

            for name, value in attrs:

                if name == 'href':

                   self.links.append(value)



def parseLinks(url):

    parser = LinkParser()

    parser.feed(urllib.urlopen(url).read())

    return parser.links



def completeLink(url):

    root = "http://www.yxlink.com"

    if url.startswith('http://'):

        return url

    elif url.startswith('/'):

        return root + url

    else:

        return root + '/' + url



if __name__=='__main__':

    links = map(completeLink, parseLinks("http://www.yxlink.com/index.html"))

    links = list(set(links))



    i = 0 

    while i < len(links):

        moreLinks = set(links) - set(map(completeLink, parseLinks(links[i])))

        links.extend(moreLinks)

        i += 1

    print links

那么，为什么你原来的代码不工作呢？这个貌似是因为HTMLParser.feed返回后，还有一部分数据没处理留在buffer里（具体为什么不太清楚）。你再次调用HTMLParser.feed，实际上是接着处理上次剩余的数据，然后好像上次剩余的数据又没处理完，所以相当于什么都没做。如果在掉次HTMLParser.feed之前调用下HTMLParser.reset，把那些剩下的东西删掉，应该也可以拿到结果。至于为什么HTMLParser.feed没处理完，你可能要仔细看看文档或者源代码搞清楚了。