Python 获取网页源码中的值

321 0

先把网页的内容(源码)获取到

然后通过正则在里面匹配存在集合里

import requests

import re

# 根据url获取网页html内容
def getHtmlContent(url):
page = requests.get(url)
content = page.text
return content

# 通过正则在html的源码中匹配
# 输出匹配的集合
def getKeys(htmlContent):
# url的正则
reg = re.compile(r'"cover_thumbkey":"(.+?)",')
#注:
#括号中的括号包围的内容是集合中的元素
# r'...'表示将...转义,相当于\

# 解析出key列表
keys = re.findall(reg, htmlContent)
return keys

url = 'http://image.so.com/z?ch=go'
content = getHtmlContent(url)
keys = getKeys(content)
for key in keys:
print(key+"\n")

 

结果:

t011fdff1cc0c3b5ddc.jpg
t01279fce5fe1f2724e.jpg
t01d51d0555bd71a76d.jpg
t011ed903a04d9cf633.jpg
t0130237d0b387f9c1e.jpg
t0165425a5c9db4e230.jpg
t01f0bed56899a8e3dc.jpg
t01561557b9f4a1c585.jpg
t01998b6d28e50fb6b5.jpg
t011c4860a95a36bd17.jpg
t01aa63d968ee65a5c3.jpg
t013b1d241effa05ab6.jpg
t01cac3fe72a340d3a9.jpg
t019ee6b26618740ea0.jpg
t01d887dd159577a87e.jpg
t0129c3dec9b29b98c7.jpg
t01d5e6034ec7672198.jpg
t01305c4605a919ef58.jpg
t01d8f3a130704bb822.jpg
t01e66a112c4b074bff.jpg
t01c3af0dd9ce5fed4f.jpg
t01c1778a8a1c098def.jpg
t01d25127cf4c4dfa86.jpg
t01dcd5dbf75ba6d9c8.jpg
t0101bc5934a0f24496.jpg
t0198ead75c49df97f4.jpg
t014cae84604d1faa82.jpg
t015ef9d0f2429a24ba.jpg
t017339b1343574c7a1.jpg
t01388041a45aee56e1.jpg

发表评论