HDUOJ题目HTML的爬取

HDUOJ题目HTML的爬取

封装好的exe/app的GitHub地址：https://github.com/Rhythmicc/HDUHTML 按照系统选择即可。

其实没什么难度，先爬下来一个题目的html，然后正则匹配一波塞个标签上去就好了。

下图运行效果：

下面是爬取下的HTML运行效果：

源码：

import re
import requests
from requests.exceptions import RequestException

url = "http://acm.hdu.edu.cn/showproblem.php?pid=" + input("HDU题号：")
headers = {
    'User-Agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/11.1.2 Safari/605.1.15"}


def get_one_page(url, headers):
    try:
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            response.encoding = 'utf-8'
            return response.text
        return None
    except RequestException:
        return None


html = get_one_page(url, headers=headers)
tmp=re.findall('<tr><td align=center>(.*?)</tr>',html,re.S)[0]
ans=re.findall('<h1 (.*?)<br><div class=panel_title(.*)',tmp,re.S)[0]
print('<center><h1 '+ans[0]+'</center><br><div class=panel_title'+ans[1])
ask=input('按任意键退出')

View Code

求求你们放过我的博客吧，转载要注明出处呀。。

转载于:https://www.cnblogs.com/Rhythm-/p/9376764.html