标签：awl ext src iba 数字 int def 闯关 less
近日发现了【黑板课爬虫闯关】这个神奇的网页，练手爬虫非常的合适
第一关非常的简单
get 请求网址，在响应的 html 中用正则获取需要在网址后面输入的数字，生成新的 url，继续请求，直到通关。
代码如下：
import re
import requests
import time
def main():
url = ‘http://www.heibanke.com/lesson/crawler_ex00/‘
get_next(url)
def get_next(url):
print(url)
html = requests.get(url).text
m = re.search(‘(你需要在网址后输入数字|下一个你需要输入的数字是)(\d+)‘, html)
if m:
num = m.group(2)
next_url = ‘http://www.heibanke.com/lesson/crawler_ex00/‘ + num
time.sleep(1)
get_next(next_url)
else:
m = re.search(‘(?<=\<h3\>).*?(?=\</h3\>)‘, html)
print(m.group())
m = re.search(‘(\<).*?href="([^"]*?)".*?(\>下一关\</a\>)‘, html)
print(f‘下一关 http://www.heibanke.com{m.group(2)}‘)
if __name__ == ‘__main__‘:
main()
标签：awl ext src iba 数字 int def 闯关 less
原文地址：https://www.cnblogs.com/gl1573/p/9650887.html
