曾经困扰很久的问题,没想到这么简单就解决了.
使用python写一个网页中邮箱地址的爬虫,小练习而已,不要笑话.
文件名: emailspider.py
import urllib.request
import re
#爬取的目标网页上的邮箱地址
#构造url地址
#url = "http://www.hangmow.com/thread-1739-1-1.html"
#把这个功能封装成一个函数
def outputemail(url):
#使用urllib打开该地址
responseobject = urllib.request.urlopen(url)
#验证输出
#print(requestobject)
#获取解析的数据
html = responseobject.read().decode("utf-8")
#输入验证获取的内容
#print(html)
#使用正则解析文档中存在的email地址
emaillist = re.findall("\w+@\w+\.\w+",html)
#处理超链接中的邮箱地址
#循环输入email的结果
for email in emaillist:
print(email)
文件名:forulr.py
本练习是用来循环构造 url地址的'''#目标循环样式如下:#url = 'http://www.hangmow.com/thread-1739-1-1.html'#仅有1739-X-1,中X位置数字在更改#范围是 1-32页,这是个分页#使用for循环拼装url地
from emailspider import outputemail
urlh = "http://www.hangmow.com/thread-1739-"
urlf = "-1.html"
#urlm = i , i 属于[1-32]
for i in range(1,33):
url = urlh+str(i)+urlf
#调用构造的函数,输出结果
outputemail(url)
吐槽一下,这个博客功能太不好用了.