读书人

python抓取指定因特网址链接并返回网址

发布时间: 2012-08-24 10:00:21 作者: rapoo

python抓取指定网址链接并返回网址列表

import urllib2, redef fetch_links(furl,burl,stag,etag):    '''    抓取网页新闻    @param furl 抓取网页地址    @param burl 网页链接的baseurl,比如凤凰网的链接:<a href="/news/guoji/dir?cid=14&mid=7sdLRL">国际</a>, 根据baseurl可返回<a href="http://i.ifeng.com/news/guoji/dir?cid=14&mid=7sdLRL">国际</a>    @param stag 抓取网页链接的开始标签    @param etag 抓取网页链接的结束标签    @return 加了baseurl的链接列表    说明: 正则表达式中 '.*?', 采用非贪婪模式匹配多个字符    '''    req = urllib2.Request(furl)    fd = urllib2.urlopen(req)    content = fd.read()    fd.close()    m = re.findall(stag+'.*?'+etag,content)    return  [j.replace('<a href="', '<a href="'+burl) for j in m]
?

?

读书人网 >perl python

热点推荐