国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 編程 > Python > 正文

python抽取指定url頁面的title方法

2020-01-04 15:06:30
字體:
來源:轉載
供稿:網友

今天簡單使用了一下python的re模塊和lxml模塊,分別利用的它們提供的正則表達式和xpath來解析頁面源碼從中提取所需的title,xpath在完成這樣的小任務上效率非常好,在這里之所以又使用了一下正則表達式是因為xpath在處理一些特殊的頁面的時候會出現亂碼的情況,當然這不是xpath的原因,而是頁面本身編碼,跟utf-8轉碼之間有沖突所致,這里看代碼:

# !/usr/bin/python#-*-coding:utf-8-*-'''功能:抽取指定url的頁面內容中的title'''import reimport chardetimport urllibfrom lxml import etreedef utf8_transfer(strs): ''' utf8編碼轉換 ''' try:  if isinstance(strs, unicode):   strs = strs.encode('utf-8')  elif chardet.detect(strs)['encoding'] == 'GB2312':   strs = strs.decode("gb2312", 'ignore').encode('utf-8')  elif chardet.detect(strs)['encoding'] == 'utf-8':   strs = strs.decode('utf-8', 'ignore').encode('utf-8') except Exception, e:  print 'utf8_transfer error', strs, e return strsdef get_title_xpath(Html): ''' 用xpath抽取網頁Title ''' Html = utf8_transfer(Html) Html_encoding = chardet.detect(Html)['encoding'] page = etree.HTML(Html, parser=etree.HTMLParser(encoding=Html_encoding)) try: except IndexError:  print 'Nothing' print titledef get_title(Html): ''' 用re抽取網頁Title ''' Html = utf8_transfer(Html) compile_rule = ur'<title>.*</title>' title_list = re.findall(compile_rule, Html) if title_list == []: else: print titleif __name__ == '__main__':	url = 'http://www.baidu.com'	html = urllib.urlopen(url).read()	new_html = utf8_transfer(html)	try:		get_title_xpath(new_html)		get_title(new_html)	except Exception, e:		print e

下面是結果:

百度一下,你就知道
百度一下,你就知道

簡單的小實踐,繼續學習,歡迎交流。

以上這篇python抽取指定url頁面的title方法就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持VEVB武林網。


注:相關教程知識閱讀請移步到python教程頻道。
發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 临夏县| 白银市| 江安县| 金山区| 福州市| 常德市| 深州市| 永清县| 西安市| 尚义县| 华容县| 罗山县| 梅州市| 钟祥市| 邹平县| 县级市| 河源市| 临汾市| 庆城县| 扶绥县| 西藏| 舞钢市| 慈利县| 堆龙德庆县| 泰州市| 吉林省| 嘉禾县| 利川市| 双江| 崇礼县| 阳朔县| 岑溪市| 诸暨市| 永修县| 泰来县| 靖远县| 宁强县| 望都县| 皮山县| 武安市| 德安县|