当前位置:网站首页>test3
test3
2022-08-02 14:17:00 【发量不足】
import time
import urllib, time, os, base64, json
import re, sys
import urllib
from lxml import etree
import requests
def getPage(base_url):
try:
page = urllib.request.urlopen(base_url) # 5
content = page.read().decode("utf-8", "ignore").lower()
re_script=re.compile('<\s*script[\S\s]*<\s*/\s*script\s*>',re.I) #Script [\\S\\s]+?
re_style=re.compile('<\s*style[^>]*>[^<]*<\s*/\s*style\s*>',re.I) #style
content=re_script.sub('',content) #去掉SCRIPT
content=re_style.sub('',content)#去掉style
selector = etree.HTML(content.encode("utf-8",'ignore'))
# answer one
# menu_items = selector.xpath("/html/body/header/div/ul[@id='head_nav_list']/li/a") # 5
# for item in menu_items:
# writefile("/home/output/crawler_result.csv", item.attrib.get("href")) # 2
# answer two
menu_items = selector.xpath("/html/body/header/div/ul[@id='head_nav_list']/li/a/@href") # 5
for item in menu_items:
writefile("/home/output/crawler_result.csv", item) # 2
except Exception as e: # 3
print("Failed to read from %s." % base_url)
print(sys.exc_info())
return False
def writefile(filename, content):
try:
fp = open(filename, 'a') # 5
fp.write(content + "\n") # 5
fp.close() # 5
except:
return False
now = time.strftime('%Y-%m-%d %X', time.localtime(time.time()))
try:
# 5
url = '1'
getPage(url)
except Exception as e:
info = '%s\nError: %s' % (now, e)
writefile('Error.log', info)
print (info)
time.sleep(1)边栏推荐
猜你喜欢
随机推荐
grub 命令使用
一线大厂研发流程(转载自鱼皮)
双链表(普通迭代器和常性迭代器)
VMware 安装openwrt
排序方法汇总(C语言)
字符数组/字符串数组|数组指针/指针数组/
【网络安全】学习笔记 --02 安全通信协议
HCIE学习记录——数通网络基础
Oauth2.0 补充
三方对接接口数据安全问题
synchronized详解
小知识点系列:数组与多维数组
【软件测试】selenium自动化测试2
RTMP, RTSP, SRT 推流和拉流那些事
【软件测试】项目中关于测试人员的简单介绍
优先级表和Ascll表
Oauth2.0 自定义响应值以及异常处理
LAMP 环境搭建 yum源安装方式 (Apache 2.4.6 +mysql 8.0.28+php 8.1.3)
【线程】线程创建 | 理解线程并发 (1)
网络运维系列:GoDaddy Shell DDNS配置









