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
Feign Client 超时时间配置不生效
char array/string array|array pointer/pointer array/
【软件测试】概念篇
一分钟之内搭建自己的直播服务器?
一线大厂研发流程(转载自鱼皮)
理解:野指针,空指针,失效指针。
项目管理模块-项目权限功能开发
代码细节带来的极致体验,ShardingSphere 5.1.0 性能提升密钥
【网络设备远程登陆配置SSH/Telnet 】
CPU缓存一致性协议MESI
synchronized详解
Zabbix: PHP option“date.timezone” Fail
Mysql-Explain与索引详解
计算机网络中的安全(一)网络安全的概念与加密原理
【软件测试】性能测试理论
软件测试之WEB自动化
转行软件测试,从零收入到月薪过万,人生迎来新转折
怎么使用 smart_rtmpd 的纯 webrtc 功能?
JMM&synchronized&volatile详解
Template series-union set