python正则库关于re的工具调用过滤网页标签元素

import re

# 输入文件和输出文件路径
input_file = "element_biaozhu.txt"
output_file = "job_link_fromboss.txt"

# 读取文件内容
with open(input_file, "r", encoding="utf-8") as f:
    content = f.read()

# 正则匹配 href="/job_detail/xxxx.html"
pattern = r'href="(/job_detail/[^"]+\.html)"'
matches = re.findall(pattern, content)

# 去重并拼接完整链接
base_url = "https://www.zhipin.com"
full_links = [base_url + link for link in set(matches)]

# 保存到输出文件
with open(output_file, "w", encoding="utf-8") as f:
    for link in full_links:
        f.write(link + "\n")

print(f"提取完成,共 {len(full_links)} 条链接,已保存到 {output_file}")

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