web页面元素提取

def main():
    inputfile = "new.html"
    outputfile = "new-url.txt"
    htmlLines = getHtmlLines(inputfile)
    imageUrls = extractImageUrls(htmlLines)
    showResults(imageUrls)
    saveResults(outputfile,imageUrls)

def getHtmlLines(htmlpath):
    f = open(htmlpath,"r",encoding='utf-8')
    ls = f.readlines()
    f.close
    return ls

def extractImageUrls(htmllist):
    urls = []
    for line in htmllist:
        url = line.split('src=')[-1].split('""')[1]
        if 'http'in url:
            urls.append(url)
    return urls

def showResults(urls):
    count = 0
    for url in urls:
        print('第{:2}个url:{}'.format(count.url))
        count += 1

def saveResults(filepath,urls):
    f = open(filepath,"w")
    for url in urls:
        f.write(url+"\n")
    f.close()

main()
  • 3
    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