PYTHON抓取网页中的邮箱

最新推荐文章于 2022-11-01 14:43:39 发布

hustu200715998

最新推荐文章于 2022-11-01 14:43:39 发布

阅读量1.9k

点赞数

分类专栏：编程语言

本文链接：https://blog.csdn.net/hustu200715998/article/details/8722383

版权

本文详细介绍了如何使用Python进行网络爬虫，通过解析HTML代码来抓取网页上的电子邮件地址。首先，我们导入了BeautifulSoup库来解析网页内容，接着使用正则表达式匹配邮箱格式。在实际操作中，我们需要注意避免抓取到无效或错误的链接，并遵守网站的robots.txt规则。

摘要由CSDN通过智能技术生成

主要用到urllib和re模块，代码很简单：

#!usr/bin/python
#Filename:GetEmail.py
#Written by 蒋文豪
#2013/03/26

import urllib.request
import re
import time

print('该脚本可用于获取百度贴吧的帖子中的Email地址，获取后保存在D：\Email.txt中，可能需要权限创建这个文件，如可能请以管理员身份运行')
print('网页URL中含有#的有可能失败（#是python的注释标志）')
myUrl=input('请输入网页URL：')
minIndex=int(input('请输入起始页码：'))
maxIndex=int(input('请输入终止页码：'))
firstPattern=re.compile(r'(\?pn=\d+)$')
myUrl=re.sub(firstPattern,'',myUrl)
try:
    fp=open(r'D:\Email.txt','a+')
    print(time.strftime('%Y-%m-%d-%H-%M-%S:',time.localtime(time.time())))
    fp.write(time.strftime('\n%Y-%m-%d-%H-%M-%S:\n',time.localtime(time.time())))
    for i in range(minIndex,maxIndex+1):