urllib是python3常用的一个网络链接库
BeautifulSoup是一个对文档操作的第三方库
from urllib.request import urlopen
from bs4 import BeautifulSoup
import re
#获取维基百科页面的数据
resp = urlopen('https://en.wikipedia.org/wiki/Main_Page').read().decode('utf-8')
#使用BeautifulSoup取解析维基百科页面
soup = BeautifulSoup(resp,'html.parser')
#使用正则表达式找出所有wiki字条
urlList = soup.findAll('a',href=re.compile('^/wiki/'))
for url in urlList:
if not re.search('\.(jpg|JPG)$',url['href']):
print(url.get_text(),'------','https://en.wikipedia.org' + url['href'])
pass