Python+Selenium之摘取網頁上全部郵箱

標籤：baidu   re模組   匹配   表達   print   web   不同   情境   內容   

本文轉載：http://blog.csdn.net/u011541946/article/details/68485981

練習情境：在某一個網頁上有些欄位是我們感興趣的，我們希望摘取出來，進行其他動作。但是這些欄位可能在一個網頁的不同地方。例如，我們需要在關於百度頁面-聯絡我們，摘取全部的郵箱。

 

思路拆分：

1. 首先，需要得到當前頁面的source內容，就像，開啟一個頁面，右鍵-查看頁面原始碼。

2. 找出規律，通過Regex去摘取匹配的欄位，儲存到一個字典或者列表。

3. 迴圈列印字典或列表中內容，Python中用 for 語句實現。

 

技術角度實現相關方法：

1. 查看頁面的原始碼，在Selenium中有driver.page_source 這個方法得到

2. Python中利用正則，需要匯入re模組

3. for email in emails :

          print email

 1 # coding=utf-8   2    3 from selenium import webdriver   4 import re   5    6 driver = webdriver.Chrome()   7 driver.maximize_window()   8 driver.implicitly_wait(6)   9   10 driver.get("http://home.baidu.com/contact.html")  11 # 得到頁面原始碼  12 doc = driver.page_source  13 emails = re.findall(r‘[\w][email protected][\w\.-]+‘,doc) # 利用正則，找出 [email protected] 的欄位，儲存到emails列表  14 # 迴圈列印匹配的郵箱  15 for email in emails:  16     print (email)  

解釋：

在pythonRegex文法中，Python中字串前面加上 r 表示原生字串，用\w表示匹配字母數字及底線。re模組下findall方法返回的是一個匹配子字串的列表。

 

Python+Selenium之摘取網頁上全部郵箱