翻页抓取
- 作者: 亖呉?盀
- 来源: 51数据库
- 2022-08-12
#!/usr/bin/env python
#coding:utf-8
import urllib2
import re
import os
def getHtml(url): #获取html源码
headers={"User-Agent":"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1"}
req=urllib2.Request(url,headers=headers)
response=urllib2.urlopen(req)
html=response.read().decode('utf-8')
return html
def urlPages(page): #翻页
url = 'https://but/company/lists/page/' + str(page)
#print url
return url
def findList(html): #正则匹配列表
myitems=re.findall('www.*?</td>',html,re.S)
return myitems
for page in range(1, 78+1): #抓取的页数
#print page
html = getHtml(urlPages(page))
items = findList(html)
for item in items:
s = item
s=item.replace('</td>','')
#print s
file_object = open('but.txt', 'a')
file_object.writelines(s+'\n')
file_object.close()
print (u'\n\n本王的网站下载完毕啦!')
推荐阅读
热点文章
Discord.py(重写)on_member_update 无法正常工作
0
Discord.py 在 vc 中获取用户分钟数
0
discord.py 重写 |为我的命令出错
0
Discord.py rewrite 如何 DM 命令?
0
播放音频时,最后一部分被切断.如何解决这个问题?(discord.py)
0
在消息删除消息 Discord.py
0
如何使 discord.py 机器人私人/直接消息不是作者的人?
0
(Discord.py) 如何获取整个嵌入内容?
0
Discord bot 尽管获得了许可,但不能提及所有人
0
Discord.py discord.NotFound 异常
0
