Python+实例解析Web页面元素提取

本文章介绍python实例解析——Web页面元素提取

提取网页：http://ngchina.com.cn/

# encoding=utf-8

# 步骤一:读取保存在本地的html文件
# 步骤二:解析并提取其中的图片链接
# 步骤三:输出并提取结果到屏幕
# 步骤四:保存提取结果为文件

# 1读取文件内容，结果转换为分行列表
def getHTMLLines(htmlpath):
	f=open(htmlpath,"r",encoding='utf-8')
	ls=f.readlines()
	f.close()
	return ls
# 2解析文件提取URL
def extractImagesUrls(htmllist):
	urls=[]
	for line in htmllist:
		if 'img' in line:
			url=line.split('src=')[-1].split('"')[1]
			if 'http' in url:
				urls.append(url)
	return urls
# 3获取的链接输出到屏幕上
def showResults(urls):
	count=0
	for url in urls:
		print('第{:2}个URL:{}'.format(count,url))
		count+=1
# 4保存到结果到文件
def saveResults(filepath,urls):
	f=open(filepath,"w")
	for url in urls:
		f.write(url+"\n")
	f.close()
# 主函数
def main():
	inputfile='ngchina.html'
	outputfile='ngchina.txt'
	htmlLines=getHTMLLines(inputfile)
	imagesUrls=extractImagesUrls(htmlLines)
	showResults(imagesUrls)
	saveResults(outputfile,imagesUrls)
# 执行
main()

该实例完成了简单的HTML解析和提取功能

对于更加复杂的建议使用HTML解析库

比如beautifulsoup4第三方库