热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

python爬虫下载链接_python爬虫下载链接

使用requests获取html后,分析html中的标签发现所需要的链接在中然后分别获却和中的内容,使用xpath时可以写成xpath(table[cl

使用requests获取html后,分析html中的标签发现所需要的链接在

然后分别获却 和中的内容 ,使用xpath时可以写成xpath('//table[@class="list"]/tr[@class="even" or "odd"]/td/span/a[1]/@href')

import re

import requests

import urllib2

from lxml import etree

url='https://pypi.python.org/pypi/lxml/2.3/'

head={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.63 Safari/537.36'}

def gethtml(url, *args):

html = requests.get(url, *args).content

return html

def writfile(cont):

try:

fd = open('x.txt', 'w')

try:

fd.write(cont)

finally:

fd.close()

except IOError:

print "file not existing!"

def readfile():

try:

fd = open('x.txt', 'r')

try:

all_the_text = fd.read()

finally:

fd.close()

except IOError:

print "File open error !"

return all_the_text

html = gethtml(url, head)

writfile(html)

all_text = readfile()

dom = etree.HTML(all_text)

url_list = dom.xpath('//table[@class="list"]/tr[@class="even" or "odd"]/td/span/a[1]/@href')

for url in url_list:

print url

经测试,可以正常获取对应的下载链接。作为初学者,代码有很多不当地方,还请大牛审阅之后加以指正。



推荐阅读
author-avatar
晓晓鱼美人
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有