题目链接:https://github.com/Show-Me-the-Code/show-me-the-code
我的github链接:https://github.com/wjsaya/python_spider_learn/tree/master/python_daily
个人博客地址:https://wjsaya.github.io
第 0009 题:一个HTML文件,找出里面的链接。
思路:
- 打开html文件;
- 逐行读取文件;
- 通过正则表达式匹配http://之类的开头的链接即可。
代码:
#!/usr/bin/env python3
#coding: utf-8
#Auther: wjsaya
#第009题,一个HTML文件,找出里面的链接。
import re
import os
def analyze(file_name):
#print (os.listdir())
print (os.getcwd())
line = open(file_name,'r',encoding='utf-8').read()
R = (r'([hftps]+://[^\s]*)"')
for i in (re.findall(R, line)):
print (i)
if __name__ == "__main__":
html = "./test.html"
analyze(html)