接《python爬虫-豆瓣数据爬取-正则匹配》中的案例五，将爬取的豆瓣租房信息网址和标题保存为html文件。
脚本修改如下：
# -*-coding:utf-8 -*- import requests import re from bs4 import BeautifulSoup #直接用正则表达式找出链接中包含/group/topic/的所有链接，即为发布的所有租房信息 r=requests.get("/group/futianzufang/") # print r.text soup=BeautifulSoup(r.text,'html.parser') print '获取链接中包含/group/topic/的所有链接' links=soup.find_all('a',href=pile(r"/group/topic/")) n=0res_data={}fout=open('output.html','w') fout.write("<html>")#设置输出的html文件的格式fout.write("<body>")fout.write("<table>")for link in links:print link.name,link['href'],link.get_text()res_data['url']=link['href']#将租房链接赋值给res_data的urlres_data['content']=link.get_text() #将租房标题赋值给res_data的contentfout.write("<tr>")fout.write("<td>%s</td>"% res_data['url'])#将爬取的租房链接写入到html文件中 fout.write("<td>%s</td>"% res_data['content'].encode('utf-8')) #将爬取的租房标题写入到html文件中 fout.write("</tr>")n+=1print '共发布了%d条租房信息'%n fout.write("</table>")fout.write("</body>")fout.write("</html>")
查看output.html文件：
