python3初学者,练习使用爬虫抓取网页,随机找了个小说网站抓取,抓取html源代码没有问题,但是使用正则表达式,出现抓取数据后直接卡死,请问如何调试?
import urllib.request
import re
url = 'http://book.669977.net/xiuxiankuangtu/chapter.html'
response = urllib.request.urlopen(url)
html = response.read().decode('gbk')
url_number = re.findall('href="(/\w{5,20}/\d{3,8})',html)
print(url_number)
print(url_number[:10])
改成这样,只显示前10个数据。
这是 idle 的bug,要显示太多字符时,会卡死。
它似乎将所有的字符都当成python代码,试图格式化显示它们。