| notebook.community

notebook.community

抓網頁

導入urlopen 並且找到 help 文件



In [ ]:

用 urlopen 打開 https://www.wikipedia.org/ 並且讀入網頁內容
將內內容用 utf-8解碼
把解碼過得內容，用 HTML 來展示
用 .getheaders() 看一下 header
用 .close() 來關閉 response

使用 context manager 的方式來打開網頁

with urlopen(...) as response:
  response.xxxx



In [ ]:

    
from IPython.display import HTML

解析日期

試著跑一下 re 及 datetime 解析檔名日期的方式



In [ ]:

    
fn = "M06A_20170213.tar.gz"

BS4

導入 bs4 並找到 help 文件
建立 soup 來分析 https://www.wikipedia.org/
找出所有的 div, a
找出維基百科所有的「語言」



In [ ]: