python爬取邮件内容_python爬取邮箱

1 importurllib22 importre3 from pyquery importPyQuery as pq4 from lxml importetree5 importurlparse6 importtime78 allUrls =set()9 allMails =set()10 urlsDownlist =[]1112 classmailCrawler:13 def __in...
摘要由CSDN通过智能技术生成

1 importurllib22 importre3 from pyquery importPyQuery as pq4 from lxml importetree5 importurlparse6 importtime7

8 allUrls =set()9 allMails =set()10 urlsDownlist =[]11

12 classmailCrawler:13 def __init__(self,mailExpression,start_url,maxcount):14 '''mailExpressoin 邮箱的正则表达式;15 start_url开始邮箱;16 maxcount最大数量'''

17 self.mailpattern =re.compile(mailExpression)18 self.maxcount =maxcount19 self.htmlcount =020 self.UrlsQlist = []#url queue 实现广度优先

21 self.url =start_url22

23

24 defurl_normal(self,url):25 '''url 规范化'''

26 scheme,netloc,path,query = urlparse.urlsplit(url)[:4]27 netloc =netloc.lower()28

29 url.encode("utf-8")30

31 ifpath:32 path = re.sub('/{2,}','/',path)#去除url中的重复/

33 path = re.sub(r'\.$','',path)#去除url中结尾多余的点

34 path = re.sub('/$','&#

  • 0
    点赞
  • 2
    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