/* 정규식을 이용하여 html 소스에 있는 URL 주소들을 리스트(a) 로 반환하고 출력합니다 */

opener = urllib2.build_opener(

                urllib2.HTTPHandler(),

                urllib2.HTTPSHandler(),

                urllib2.ProxyHandler({'https': 'http://user:pass@proxy:3128'}))

urllib2.install_opener(opener)

html = urllib2.urlopen(SeedURL).read()

fw = open("URL_List.txt", 'w')

crawl = "(http|https):\/\/(([\xA1-\xFEa-z0-9_\-]+\.[\xA1-\xFEa-z0-9:;&#@=_~%\?\/\.\,\+\-]+))" 

a = re.findall(crawl, html)

for i in a :

    fw.write(i[1]+ "\n")

    recur(i[1])

fw.close()




신고

'Language > Python' 카테고리의 다른 글

[Python] URL Regular Expression  (0) 2012.11.10
[Python] urllib 모듈  (1) 2012.08.16


urllib 모듈은 웹상의 문서나 파일을 가져올 수 있고 url, header 등 여러 웹의 정보를 가져올수 있습니다.


예제(urllib.py)



실행결과



첫번째로 headers 정보(apache, ubuntu OS 사용한다는 것을 알 수 있네요...)

두번째로 숫자 200은 음..... 웹페이지의 상태를 나타냅니다. 위에서는 주석처리를 못했네요. 200이라고 나오는게 정상적으로 웹페이지가 나왔다는 것을 의미하구요.

read()함수는 이 웹페이지의 html 소스를 가져옵니다. 

신고

'Language > Python' 카테고리의 다른 글

[Python] URL Regular Expression  (0) 2012.11.10
[Python] urllib 모듈  (1) 2012.08.16
  1. 광영 2017.02.26 16:13 신고

    이건 파이썬 2.7용 입니다. 파이썬 3에는 적용되지 않습니다. 이제 와서 검색해서 오신 분이라면 백발백중 파이썬 3 쓰실텐데 이거 따라하면서 안된다고 하시지 마시고 빨리 다른 예제 찾아 가세요.

+ Recent posts