Python爬虫获取贴吧中的邮箱

最新推荐文章于 2021-11-21 22:29:08 发布

wl_Honest

最新推荐文章于 2021-11-21 22:29:08 发布

阅读量2k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： Python 爬虫

本文链接：https://blog.youkuaiyun.com/wl_Honest/article/details/83544436

本文介绍了如何使用Python 3.7和requests库来爬取贴吧中的邮箱信息。通过对比，强调了Python代码的简洁高效，尽管耗时与Java单线程爬虫相当。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近公司正在谈的项目需要用到爬虫，和经理交流后，经理建议我用Python实现。昨天看了会儿Python基本语法后，在电脑上安装了Python 3.7以及编译器PyCharm。今天参考了网上的代码后，根据网上的代码小做修改，实现了之前用Java写的爬取贴吧帖子中的邮箱。以下为代码：

import  requests
import datetime
import re
def get_email(url):
    content = requests.get(url).text
    pattern = r'[0-9a-zA-Z._]+@[0-9a-zA-Z._]+\.[0-9a-zA-Z._]+' #正则表达式判断邮箱
    p = re.compile(pattern)
    m = p.findall(content)
    email = list(set(m)) #去掉重复邮箱
    count = 0 #邮箱计数
    for mm in  email:
        count = count+1
        print(mm)
    return  count
n = 1  # 页数
amount = 0  # 邮箱计数
start_time = datetime.datetime.now()  # 开始时间
while n <= 10:
    amount = amount + get_email('https://tieba.baidu.com/p/3349997454?pn=' + str(n))
    n = n + 1
end_time = datetime.datetime.now()  # 结束时间
print('获取了' + str(amount) + '个邮箱')
print(str((end_time - start_time).seconds) + '秒')

其中requests包需要自行安装导入，百度一下就可以了，这里不做赘述。效果如图：