爬虫入门(1)

# -*- coding: utf-8 -*-
from urllib import request
import re


def re_geturl(mytext, index):
    p1 = r"http.*D" + str(index)  # 正则表达式规则
    http_list = re.findall(p1, mytext)
    http_list = list(map(lambda x: x.replace("amp;", ""), http_list))
    http_list = list(set(http_list))  # 去重
    for url in http_list:
        print(url)


def get_prestige_hd():
    """
    读取网页中的url
    :return: url_list
    """
    url = "http://fxxxx.com/forum.php?mod=forumdisplay&fid=131&page="
    for i in range(1, 10):
        cur_url = url + str(i)
        print(cur_url)
        response = request.urlopen(cur_url)  # 打开连接
        html = response.read()
        html = html.decode("utf-8")
        re_geturl(html, i)
        break
    return ""


if __name__ == "__main__":
    get_prestige_hd()

 

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