当前位置： 移动技术网 > IT编程>脚本编程>Python > 练手爬虫用urllib模块获取

练手爬虫用urllib模块获取

2019年08月09日  | 移动技术网IT编程  | 我要评论

刺客信条大革命存档,钢茂网,本票样本

练手爬虫用urllib模块获取

有个人看一段python2的代码有很多错误

import re
import urllib

def gethtml(url):
    page = urllib.urlopen(url)
    html = page.read()
    return html

def getimg(html):
    reg = r'src="(.+?\.jpg)" pic_ext'
    imgre = re.compile(reg)
    imglist = re.findall(imgre,html)
    return imglist 

html = gethtml("https://zwk365.com") //攒外快网
print getimg(html)

修改后python3的代码

import re
import urllib.request

def gethtml(url):
    page = urllib.request.urlopen(url) #获取网站
    html = page.read() #内容读取,返回的html是字节的格式
    return html

def getimg(html):
    # print(str(html,encoding='utf8'))   #内容以爬下来为准而不是网站上的
    reg = 'data-original="(.*?)"'  #设置下内容的re格式
    imglist = re.findall(reg,str(html,encoding='utf8'),re.s)
    return imglist

html = gethtml("https://zwk365.com")
print(getimg(html))

您可能感兴趣的文章:

如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网