使用 urllib 获取标题

Question

我应该编写一个进入网站并获得其标题的代码，所以这是我拥有的代码

import urllib.request
def findTitle(url):
    urllib.request.Request(url)
    #open url
    urllib.request.urlopen(url)
    urllib.request.urlopen(url).read().decode('utf-8')
    #set same variable equal to the end of <title> tag
    endTitlePos = url.find("<title>")
    #set variable equal to starting position of <title> tag
    startTitlePos  = url.find("<title>", endTitlePos)
    startTitlePos += len("<title>")
    #set new variable equal to </title>
    TitleContent=url.find("</title>",startTitlePos)
    #return slice of output between the two variables
    title = url[startTitlePos:endTitlePos]
    content_list=[]
    content_list.append(title)
    return content_list
def main():
    url="https://google.com/search"
    print(findTitle(url))

main()

我们以谷歌为例。现在它应该只打印“google”但目前它打印“['//google.com/searc']”我只是好奇我在这里缺少什么，我的意思是它看起来很简单但我不知道为什么它打印url 而不是标题，我如何将它从列表中变成字符串？

Answer 1

有几种方法可以从网页中获取数据。最好用 BeautifulSoup。在您的情况下，字符串 split() 方法效果很好

import urllib.request

def findTitle(url):
    webpage = urllib.request.urlopen(url).read()
    title = str(webpage).split('<title>')[1].split('</title>')[0]
    return title

>>>print(findTitle('http://www.google.com'))
Google