web页面元素提取(二级python书中实例)

def get_html(htmlname):
    f1 = open("{}.html".format(htmlname),"r")
    ls = f1.readlines()
    f1.close()
    return ls

def get_urls(htmllist):
    urls = []
    for line in htmllist:
        if 'img' in line:
            url = line.split("src=")[-1].split('"')[1]
            if "http" in url:
                urls.append(url)
    return urls

def result(urls):
    count = 0
    for url in urls:
        print("第{:2}个URL:{}".format(count,url))
        count += 1

def save_urls(filename,urls):
    f2 = open("{}.txt".format(filename),"w")
    for url in urls:
        f.write(url + "\n")
    f2.close()

def main():
    htmlname = input("请输入需要提取文件名称:")
    filename = input("请输入提取结果文件名称:")
    htmllist = get_html(htmlname)
    imageurls = get_urls(htmllist)
    result(imageurls)
    save_urls(filename,imageurls)

main()

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值