PYTHON抓取网页中的邮箱

主要用到urllib和re模块，代码很简单：

#!usr/bin/python
#Filename:GetEmail.py
#Written by 蒋文豪
#2013/03/26

import urllib.request
import re
import time

print('该脚本可用于获取百度贴吧的帖子中的Email地址，获取后保存在D：\Email.txt中，可能需要权限创建这个文件，如可能请以管理员身份运行')
print('网页URL中含有#的有可能失败（#是python的注释标志）')
myUrl=input('请输入网页URL：')
minIndex=int(input('请输入起始页码：'))
maxIndex=int(input('请输入终止页码：'))
firstPattern=re.compile(r'(\?pn=\d+)$')
myUrl=re.sub(firstPattern,'',myUrl)
try:
    fp=open(r'D:\Email.txt','a+')
    print(time.strftime('%Y-%m-%d-%H-%M-%S:',time.localtime(time.time())))
    fp.write(time.strftime('\n%Y-%m-%d-%H-%M-%S:\n',time.localtime(time.time())))
    for i in range(minIndex,maxIndex+1):
        index=myUrl.rfind(r'?pn=')
        if index==-1:
            myUrl=myUrl+r'?pn='+str(i)
        else:
            myUrl=re.sub(firstPattern,r'?pn='+str(i),myUrl)
        print(myUrl)
        rep=urllib.request.Request(myUrl)
        response=urllib.request.urlopen(rep)
        myPage=response.read()
        myPage=myPage.decode('GBK')
        myPage=myPage.replace(r'\r\n','')
        pattern=re.compile(r'([a-zA-Z0-9]+@[a-zA-Z0-9]+\.?[a-zA-Z0-9]+\.+[a-zA-Z0-9]+)')
        result=pattern.findall(myPage)
        if result is not None:
            for email in result:
                print(email)
                fp.write(email+';')
        else:
            print("not found")
    fp.close()
    print('Suceed!!!')
except Exception as e:
    print(e.__context__)
    fp.close()

上效果图，随便找个让大家留邮箱的帖子
百度搜到的 http://tieba.baidu.com/p/1548843822