吾八哥博客

您现在的位置是:首页 > 码农手记 > Python > 正文

Python

使用requests模块来匹配某个页面里的所有邮箱地址

吾八哥2017-09-30Python3766

采集邮箱地址也是经常被使用到的一个功能,吾八哥也练习一把使用Python来采集邮箱地址,基本思路为通过requests模块获取到页面内容,然后通过正则表达式去匹配邮箱字符,然后写入文件即可!

requests模块如果之前没有使用过,是需要提前安装的,安装方法也非常简单:pip install requests 然后等待就可以了!匹配邮箱的正则表达式为:r'[0-9a-zA-Z._]+@[0-9a-zA-Z._]+\.[0-9a-zA-Z._]+’

关于正则表达式,后面我们找个时间好好的学习下,后面会有非常大的用处的,吾八哥在使用其他开发语言的时候也是经常使用正则表达式。

具体实现代码如下:

# Autor: 5bug
# WebSite: http://www.5bug.wang
# 吾八哥网技术交流QQ群: 643829693
import re
import requests
list_EMail = set()
def spiderEMail(url, filename):
    data = requests.get(url).text
    pattern = r'[0-9a-zA-Z._]+@[0-9a-zA-Z._]+\.[0-9a-zA-Z._]+'
    emails = re.compile(pattern).findall(data)
    with open(filename, 'w') as f:
        for email in emails:
            if email not in list_EMail:
                list_EMail.add(email)
                f.write(email + '\n')
spiderEMail('http://www.5bug.wang', 'email.txt')
print(list_EMail)

下次我们将该代码完善为通过搜索引擎查询关键词来采集邮箱的脚本吧!