Código de Python - Exporta enlaces y imagenes de una pagina web a archivo

Exporta enlaces y imagenes de una pagina web a archivo

10.555 visualizaciones desde el 24 de Mayo del 2002

Este código esporta todos los enlaces y imagenes de una pagina web a una archivo .dat

Publicado el 24 de Mayo del 2002

10.556 visualizaciones desde el 24 de Mayo del 2002

import re

import sys

# --------------------------------------------------------------------

#                    EXPRESIONES REGULARES

#               JHON ALEXANDER CAMACHO URDINOLA

#                      jhacu1@hotmail.com

#                  LABORATORIO DE LENGUAJES I

#            PONTIFICIA UNIVERSIDAD JAVERIANA CALI

# --------------------------------------------------------------------

# --------------------------------------------------------------------

#                    SE ABREN LOS ARCHIVOS

# --------------------------------------------------------------------

nombreArchivo = raw_input("Digite el path y el nombre del archivo .html o .htm: ")

try:

    fp = open (nombreArchivo,"r")

except IOError:

    print "NO SE PUDO ABRIR EL ARCHIVO. VERIFIQUE EL PATH O SI EXISTE EL ARCHIVO"

    sys.exit()

try:

   reporte = open("C:\Mis documentos\Reporte.dat","w+")

except IOError:

    print "NO SE PUDO CREAR EL ARCHIVO"

    sys.exit()

reporte.write("REPORTE DE LOS LINKS E IMAGENES\nCREADO POR JHON ALEXANDER CAMACHO U.\n")

reporte.write("------------------------------------\n\n")

# --------------------------------------------------------------------

#                       EXPRESIÓN REGULAR

# --------------------------------------------------------------------

def expresion_reg_link(texto):

    resultadoLink = re.compile( "(<[L l][I i][N n][K k].*?>)",re.DOTALL)

    reporte.write("LOS LINKS DE LA PÁGINA SON:\n\n")

    i = 0

    while i < len( resultadoLink.findall( texto ) ):

        reporte.write( resultadoLink.findall( texto )[i])

        reporte.write( "\n" )

        i = i + 1

def expresion_reg_img(texto):

    resultadoImg = re.compile( "(<[I i][M m][G g].*?>)",re.DOTALL)

    reporte.write("\n\nLAS IMÁGENES DE LA PÁGINA SON:\n\n")

    i = 0

    while i < len( resultadoImg.findall( texto ) ):

        reporte.write( resultadoImg.findall( texto )[i])

        reporte.write( "\n" )

        i = i + 1

# --------------------------------------------------------------------

#                           PROGRAMA

# --------------------------------------------------------------------

texto = fp.read()

expresion_reg_link(texto)

expresion_reg_img(texto)

fp.close()

reporte.close()

27 de Enero del 2010

ME GUSTARIA QUE PUSIERAS COMO FUNCIONA ESTO LA VERDAD NO ENTIENDO NADA DE LO QUE DICE EL ARCHIVO

Responder

http://lwp-l.com/s199

Conversor