2021-03-30

爬html资源,简单实践。

import urllib.request
from bs4 import BeautifulSoup
import re
#import requests

# urls[]
url = 'https://www.thepaper.cn/'

binHtml = urllib.request.urlopen(url) # 打开url获取html
html = BeautifulSoup(binHtml)

#<img src="https://imagecloud.thepaper.cn/thepaper/image/123/253/812.jpg"/>
REG_URL = r'<img.*?src="(.*?)"/>' # 过滤
regUrl = re.compile(REG_URL)

listTarget = regUrl.findall(str(html))
for link in listTarget:
    print(link) 
    
    # 组合成新的url,发起request
    
    # if not a url ... do something
    # 下载方式一
    #src = request.get(link)
    #if src.statuc_code == '200':
    #    with open("./pic","wb") as f:
    #        f.write(src.content)
    # 下载方式二
    #src = urllib.request.urlopen(link)
    #if src is None or response.status != 200:
    #    print('请求异常')
    #    continue
    #with open("./pic","wb") as f:
    #    f.write(src.read())
评论 2
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