头歌-提取子链接

许晨梦

已于 2022-04-27 13:56:27 修改

阅读量4.1k

点赞数 4

CC 4.0 BY-SA版权

文章标签： python

于 2022-04-27 13:47:47 首次发布

本文链接：https://blog.csdn.net/dearlwy521/article/details/124449245

这段代码用于从国防科技大学本科招生信息网抓取2016年至2012年的录取分数子网页链接。首先定义目标URL，然后使用urllib.request打开网页并读取数据。之后解码数据为字符串，通过正则表达式提取每年分数线子网页的URL，并存储到列表中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-

import urllib.request as req


# 国防科技大学本科招生信息网中录取分数网页URL：
url = 'http://www.gotonudt.cn/site/gfkdbkzsxxw/lqfs/index.html'  # 录取分数网页URL
webpage = req.urlopen(url)  # 按照类文件的方式打开网页
data = webpage.read()       # 一次性读取网页的所有数据

data = data.decode('utf-8')  # 将byte类型的data解码为字符串（否则后面查找就要另外处理了）


def step2():
# 建立空列表urls，来保存子网页的url
    urls = []
    
# 请按下面的注释提示添加代码，完成相应功能
#********** Begin *********#
# 从data中提取2016到2012每一年分数线子网站地址添加到urls列表中
    num_list = [2016,2015,2014,2013,2012]
    for i in range(len(num_list)):
        str = (f'国防科技大学{num_list[i]}年录取分数统计')
        index = data.find(str)
        strc = data[index-80:index-39]
        url = (f'http://www.gotonudt.cn{strc}')
        urls.append(url)



    
    
#********** End **********#
    return urls