使用Python进行Web页面元素提取

#gethtmllines() extractimageurls()  showresults()  saveresults()
def main():
    inputfile='nationalgeograhic.html'
    outputfile='nationalgeographic.txt'
    htmllines=gethtmllines(inputfile)
    imageurls=extractimageurls(htmllines)
    showresults(imageurls)
    saveresults(imageurls,outputfile)
def gethtmllines(filename):
    f=open(filename,'r',encoding='utf-8')
    txt=f.readlines()
    f.close()
    return txt
def extractimageurls(htmllines):
    urls=[]
    for line in htmllines:
        if 'img' in line:
            url=line.split('src=')[-1]
            if 'http' in url:
                urls.append(url)
    return urls
def showresults(urls):
    count=1
    for url in urls:
        print('第{0}个URL:{1}'.format(count,url))
        count+=1
def saveresults(urls,outputfile):
    f=open(outputfile,'w')
    for url in urls:
        f.write(url+'\n')
    f.close()
main()  
    

  • 0
    点赞
  • 1
    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