黑板客爬虫闯关-第一关

2017/01/17

from urllib.request import urlopen
from bs4 import BeautifulSoup
import re

url = "http://www.heibanke.com/lesson/crawler_ex00/"
html = urlopen(url)
bs0bj = BeautifulSoup(html)

# <h3>你需要在网址后输入数字30867</h3>
h3 = bs0bj.h3
h3s = str(h3)
# type(h3s)
# print(h3s)

num = re.findall(r'[0-9]{5}', h3s)
# print(num)

while len(num) > 0 :
    url = "http://www.heibanke.com/lesson/crawler_ex00/"
    url = url + num[0]
    print(url)
    html = urlopen(url)
    bs0bj = BeautifulSoup(html)

    h3 = bs0bj.h3
    h3s = str(h3)

    num = re.findall(r'[0-9]{5}', h3s)

print(html)

关键点:
1. bs0bj.h3的type不是str,必须要强制转换
2. re.findall(正则表达式,检索str)
3. h3本身也含有数字3,所以要限制数字长度
4. num是list,所以必须读取其中的元素,才能接在url后面
5. if 与 while的不同

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