爬网页哦
1 # -*- coding: UTF-8-*- 2 import urllib2,re 3 4 mylist = [] 5 6 p = re.compile( r"<a.+?href=.+?>.+?</a>") 7 pname = re.compile( r"(?<=>).*?(?=</a>)" ) 8 phref = re.compile( r"(?<=href\=\")http.*?(?=\")") 9 10 html_c = urllib2.urlopen("http://www.baidu.com/?vit=1").read() 11 12 def geturltest(str): 13 html_c = urllib2.urlopen(str).read() 14 arr = p.findall(html_c) 15 for ever in arr: 16 con = phref.findall(ever) 17 if len(con) > 0: 18 print con[0] 19 20 def geturl(str): 21 html_c = urllib2.urlopen(str).read() 22 arr = p.findall(html_c) 23 for ever in arr: 24 con = phref.findall(ever) 25 if len(con) == 0: 26 continue 27 else: 28 print con[0] 29 if mylist.__contains__(con[0]) == False: 30 mylist.append(con[0]) 31 geturl(con[0]) 32 else: 33 pass 34 def main(): 35 geturl("http://www.baidu.com/?vit=1") 36 37 if __name__ == '__main__': main()
分类:
[100_Python学习笔记]
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· 单线程的Redis速度为什么快?
· 展开说说关于C#中ORM框架的用法!
· SQL Server 2025 AI相关能力初探
· Pantheons:用 TypeScript 打造主流大模型对话的一站式集成库