我的Python+Selenium学习记录-2

      打卡第2天，好像很久没有来了一样，今天的题目是获取网页上的邮箱地址。

1.selenium获取源码：page.source

2.python的 re 模块的使用，利用正则表达式匹配邮箱的字符串，目标字符串：xxx@xxx.xx

3.输出邮箱

from selenium import webdriver
import re
driver = webdriver.Chrome()
driver.maximize_window()
driver.implicitly_wait(8)

driver.get("http://home.baidu.com/contact.html")
#获取源码
doc = driver.page_source
emails =re.findall(r'[\w]+@[\w\.]+',doc)#正则表达式匹配邮箱格式的字符串
email1=set(emails)
for email in email1:
    print(email)

打印结果

campusmaster@baidu.com
bdjb@baidu.com
mbaidu@baidu.com
upmco@baidu.com
zhanzhangpingtai@baidu.com

记录学习内容

1.首先并不知道如何获取源码，然后网上搜索就出来了，selenium有获取源码的方式

2.从源码中找到邮箱，学习了python的正则表达式，虽然很多还没有学会，但是会写简单的正则表达式了，例子中：\w 代表 [a-zA-Z0-9]

3.re.findall返回的是一个列表，我练习的结果是返回有重复值，然后在源码里查询了一下邮箱，的确每个邮箱都重复了一次，于是这里希望输出不重复的列表元素，就使用了set，当然这样列表里元素的顺序就改变了

参考：https://blog.csdn.net/u011541946/article/details/68485981