python网页列表爬虫

 

#-*- encoding: utf-8 -*-

 

import htmllib,urllib,formatter,string

 

class GetLinks(htmllib.HTMLParser,str):

    def __init__(self,str): 

        self.str=str

        self.links = {}

        f = formatter.NullFormatter()

        htmllib.HTMLParser.__init__(self, f)

 

    def anchor_bgn(self, href, name, type):

        self.save_bgn()

        self.link = href

 

    def anchor_end(self): 

        text = string.strip(self.save_end()) 

        if text.find(self.str)!=-1 :

            if self.link and text:

                self.links[text] = self.link

 

def findall(str1,strfront,i,strlat):

    fp = urllib.urlopen(strfront+str(i)+strlat)

    data = fp.read()

    fp.close()

    linkdemo = GetLinks(str1) 

    linkdemo.feed(data) 

    linkdemo.close()

 

    for href, link in linkdemo.links.items(): 

        print href, "=>", link

 

i=1

strfront='http://readthedocs.org/docs/learn-python-the-hard-way-zh_cn-translation/en/latest/ex'

strlat='.html'

search='ex'

while i<20 :

    findall(search,strfront,i,strlat)

    i=i+1

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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