Question

无法读取txt文件中的url 我想逐个读取并打开txt中的url地址，我想从url地址源获取带有regex的标题标题错误消息：

回溯（最近一次呼叫最后）：文件＆＃34; Mypy.py＆＃34;，第14行，在 UrlsOpen = urllib2.urlopen（listSplit）文件＆＃34; /usr/lib/python2.7/urllib2.py" ;,第154行，在urlopen中返回opener.open（url，data，timeout）文件＆＃34; /usr/lib/python2.7/urllib2.py" ;,第420行，打开 req.timeout = timeout AttributeError：＆＃39; list＆＃39;对象没有属性＆＃39;超时＆＃39;

Mypy.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re
import requests
import urllib2
import threading

UrlListFile = open("Url.txt","r") 
UrlListRead = UrlListFile.read() 
UrlListFile.close() 
listSplit = UrlListRead.split('\r\n')


    UrlsOpen = urllib2.urlopen(listSplit)
    ReadSource = UrlsOpen.read().decode('utf-8')
    regex = '<title.*?>(.+?)</title>'
    comp = re.compile(regex)
    links = re.findall(comp,ReadSource)
    for i in links:
        SaveDataFiles = open("SaveDataMyFile.txt","w")
        SaveDataFiles.write(i)
    SaveDataFiles.close()

Answer 1

当您呼叫urllib2.urlopen(listSplit)时，listSplit是一个需要string or request object的列表。这是一个简单的修复迭代listSplit而不是将整个列表传递给urlopen。

同样re.findall()将返回搜索到的每个ReadSource的列表。您可以通过以下几种方式处理：

我选择通过制作列表列表来处理它

websites = [ [link, link], [link], [link, link, link]

并迭代两个列表。这使得你可以为每个网站的每个网址列表做一些特定的事情（放在不同的文件中......）。

您还可以将website列表展平为仅包含链接，而不是包含链接的其他列表：

links = [link, link, link, link]

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import re
import urllib2
from pprint import pprint

UrlListFile = open("Url.txt", "r")
UrlListRead = UrlListFile.read()
UrlListFile.close()
listSplit = UrlListRead.splitlines()
pprint(listSplit)
regex = '<title.*?>(.+?)</title>'
comp = re.compile(regex)
websites = []
for url in listSplit:
    UrlsOpen = urllib2.urlopen(url)
    ReadSource = UrlsOpen.read().decode('utf-8')
    websites.append(re.findall(comp, ReadSource))

with open("SaveDataMyFile.txt", "w") as SaveDataFiles:
    for website in websites:
        for link in website:
            pprint(link)
            SaveDataFiles.write(link.encode('utf-8'))
    SaveDataFiles.close()

从文件Python中读取URL

1 个答案: