练手爬虫用urllib模块获取
程序员文章站
2023-11-02 13:24:40
练手爬虫用urllib模块获取 修改后python3的代码 ......
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))