Python_selenium之获取页面上的全部邮箱

Python_selenium之获取页面上的全部邮箱

一、思路拆分

1. 获取网页（这里以百度的“联系我们”为例），网址http://home.baidu.com/contact.html
2. 获取页面的全部内容（driver.page_source）
3. 运用正则表达式，导入re模块找到邮箱的字段
4. 循环打印出邮箱（去重）

二、测试脚本

1. 源代码如下：

#coding:utf-8

from selenium import webdriver

import re#导入re模块

driver=webdriver.Firefox()

driver.maximize_window()

driver.implicitly_wait(8)

driver.get("http://home.baidu.com/contact.html")

doc=driver.page_source#获取网页所有的内容

emails=re.findall(r'[w]+@[w.-]+',doc)#邮箱的正则表达式

for email in list(set(emails)):#去掉重复的邮箱

print email

2. 测试结果如下图1所示