使用Python的网站下载程序
我正在尝试使用python创建一个网站下载程序。我有以下代码:使用Python的网站下载程序,python,web-crawler,Python,Web Crawler,我正在尝试使用python创建一个网站下载程序。我有以下代码: 从页面查找所有URL 下载给定的URL 我要做的是递归下载一个页面,如果该页面中有任何其他链接,我也需要下载它们。我试着结合上面两个函数,但递归的东西不起作用 代码如下所示: (一) 2) 其中下载(url)功能定义如下: *def download(url): import urllib webFile = urllib.urlopen(url) localFile = open(url.split('/'
*def download(url):
import urllib
webFile = urllib.urlopen(url)
localFile = open(url.split('/')[-1], 'w')
localFile.write(webFile.read())
webFile.close()
localFile.close()
a=raw_input("Enter the URL")
download(a)
print "Done"*
请帮助我如何将这两个代码结合起来,以“递归方式”下载正在下载的网页上的新链接。通常,想法如下:
def get_links_recursive(document, current_depth, max_depth):
links = document.get_links()
for link in links:
downloaded = link.download()
if current_depth < max_depth:
get_links_recursive(downloaded, depth-1, max_depth)
def get_links_recursive(文档、当前深度、最大深度):
links=文档。获取链接()
对于链接中的链接:
下载=link.download()
如果当前深度<最大深度:
获取递归链接(下载,深度1,最大深度)
调用get\u links\u recursive(文档,0,3)开始工作。通常,想法如下:
def get_links_recursive(document, current_depth, max_depth):
links = document.get_links()
for link in links:
downloaded = link.download()
if current_depth < max_depth:
get_links_recursive(downloaded, depth-1, max_depth)
def get_links_recursive(文档、当前深度、最大深度):
links=文档。获取链接()
对于链接中的链接:
下载=link.download()
如果当前深度<最大深度:
获取递归链接(下载,深度1,最大深度)
调用get\u links\u recursive(文档,0,3)开始操作。您可能需要查看库
这样的任务将变得非常简单,并允许您同时下载多个页面。您可能需要查看库
done_url = []
def download(url):
if url in done_url:return
...download url code...
done_url.append(url)
urls = sone_function_to_fetch_urls_from_this_page()
for url in urls:download(url)
这样的任务将变得非常简单,并允许您同时下载多个页面
done_url = []
def download(url):
if url in done_url:return
...download url code...
done_url.append(url)
urls = sone_function_to_fetch_urls_from_this_page()
for url in urls:download(url)
这是一个非常糟糕的代码。例如,您需要检查url是否在您想要爬网的域内。但是,您要求递归
注意递归的深度
我的解决方案有很多问题P
你必须尝试一些像Scrapy之类的爬行图书馆
这是一个非常糟糕的代码。例如,您需要检查url是否在您想要爬网的域内。但是,您要求递归
注意递归的深度
我的解决方案有很多问题P
您必须尝试一些爬行库,如Scrapy或其他东西。这正是如何触发堆栈溢出的方法,它将递归地触发一个问题,并最终结束整个世界。同意,他还需要对爬行何时停止进行限制,最好是限制爬行的级别数。我将编辑答案。这正是如何触发堆栈溢出的,它将递归地触发一个问题,并最终结束整个宇宙。同意,他还需要增加爬行何时停止的限制,最好是通过限制爬行的级别数。我将编辑答案。您确定要编写自己的答案,而不是简单地使用
wget
?您确定要编写自己的答案,而不是简单地使用wget
?