有没有可以搜索python程序的软件-python实现一个简单的爬虫搜索功能

本文介绍了Python中使用html.parser和urllib库进行网页爬取的基本步骤,包括解析HTML、提取链接以及如何递归爬取多页内容。LinkParser类实现了从HTML标签中获取链接的功能,通过getLinks方法获取页面所有链接,并用spider函数实现爬虫逻辑,寻找特定词汇并跟踪链接。示例代码展示了如何在实际项目中应用这些技术。
摘要由CSDN通过智能技术生成

标签:html.parser HTMLParser

urllib.request urlopen

urllib parse

LinkParser(HTMLParser):

handle_starttag(, tag, attrs):

tag == :

(key, value) attrs:

key == :

newUrl = parse.urljoin(.baseUrl, value)

.links = .links + [newUrl]

getLinks(, url):

.links = []

.baseUrl = url

response = urlopen(url)

response.getheader()==:

htmlBytes = response.read()

htmlString = htmlBytes.decode()

.feed(htmlString)

htmlString, .links

:

,[]

spider(url, word, maxPages):

pagesToVisit = [url]

numberVisited = foundWord = numberVisited < maxPages pagesToVisit != [] foundWord:

numberVisited = numberVisited +url = pagesToVisit[]

pagesToVisit = pagesToVisit[:]

:

(numberVisited, , url)

parser = LinkParser()

data, links = parser.getLinks(url)

pagesToVisit = pagesToVisit + links

data.find(word)>-:

foundWord = pagesToVisit = pagesToVisit + links

()

:

()

foundWord:

(, word, , url)

:

()

spider(,,)

标签:

原文地址:http://my.oschina.net/u/215677/blog/523343

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