python小爬虫

遍历一个网页的所有链接,跟网上学的

import re
import urllib.request
import urllib

from collections import deque

que = deque()
vis = set()

url = 'http://news.dbanotes.net/'

que.append(url)
cnt = 0
li = []
f = open('G:/1.txt', 'w')
while que:
    url = que.popleft()
    vis |= {url}

    urlopen = urllib.request.urlopen(url)
    
    if 'html' not in urlopen.getheader('Content-Type'):
        continue
    
    try:
        data = urlopen.read().decode('utf-8')
    except:
        continue
    
    r = r'href=\"(.+?)\"'
    com = re.compile(r)
    ans = com.findall(data)
    for i in ans:
        if i not in vis and 'http' in i:
            que.append(i)
            f.write(i)
            f.write('\n')
f.close()


评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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