adding get_title
This commit is contained in:
parent
289c2711b8
commit
c4bb612381
78
net/get_title.py
Executable file
78
net/get_title.py
Executable file
@ -0,0 +1,78 @@
|
|||||||
|
#!/usr/bin/env python3
|
||||||
|
|
||||||
|
import argparse
|
||||||
|
try:
|
||||||
|
import requests as handler
|
||||||
|
has_req = True
|
||||||
|
except ImportError:
|
||||||
|
from urllib.request import urlopen as handler
|
||||||
|
has_req = False
|
||||||
|
try:
|
||||||
|
import lxml
|
||||||
|
parser = 'lxml'
|
||||||
|
except ImportError:
|
||||||
|
parser = 'html.parser'
|
||||||
|
from bs4 import BeautifulSoup
|
||||||
|
|
||||||
|
|
||||||
|
def_elem = 'title'
|
||||||
|
|
||||||
|
|
||||||
|
class InfoScraper(object):
|
||||||
|
def __init__(self, url, elem = def_elem, *args, **kwargs):
|
||||||
|
self.url = url
|
||||||
|
self.elem = elem
|
||||||
|
self.raw = None
|
||||||
|
self.str = None
|
||||||
|
self.soup = None
|
||||||
|
self._get_page()
|
||||||
|
|
||||||
|
def _get_page(self):
|
||||||
|
if has_req:
|
||||||
|
self.raw = handler.get(self.url).content
|
||||||
|
else:
|
||||||
|
with handler(self.url) as fh:
|
||||||
|
self.raw = fh.read()
|
||||||
|
try:
|
||||||
|
self.str = self.raw.decode('utf-8')
|
||||||
|
except Exception:
|
||||||
|
pass
|
||||||
|
self.soup = BeautifulSoup(self.str, features = parser)
|
||||||
|
return(None)
|
||||||
|
|
||||||
|
def find(self):
|
||||||
|
rtrn = [e for e in self.soup.find_all(self.elem)]
|
||||||
|
if len(rtrn) == 1:
|
||||||
|
rtrn = rtrn[0]
|
||||||
|
elif len(rtrn) == 0:
|
||||||
|
rtrn = None
|
||||||
|
return(rtrn)
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
def parseArgs():
|
||||||
|
args = argparse.ArgumentParser(description = 'Get quick information from a URL at a glance')
|
||||||
|
args.add_argument('-e', '--elem',
|
||||||
|
default = def_elem,
|
||||||
|
help = ('The element(s) you want to scrape from the page. This is likely just going to be "{0}" (the default)').format(def_elem))
|
||||||
|
args.add_argument('url',
|
||||||
|
metavar = 'URL',
|
||||||
|
help = ('The URL to parse. It may need to be quoted or escaped depending on the URL and what shell you\'re using'))
|
||||||
|
return(args)
|
||||||
|
|
||||||
|
|
||||||
|
def main():
|
||||||
|
args = parseArgs().parse_args()
|
||||||
|
i = InfoScraper(**vars(args))
|
||||||
|
rslts = i.find()
|
||||||
|
if isinstance(rslts, list):
|
||||||
|
for i in rslts:
|
||||||
|
print(i.text)
|
||||||
|
else:
|
||||||
|
print(rslts.text)
|
||||||
|
return(None)
|
||||||
|
|
||||||
|
|
||||||
|
if __name__ == '__main__':
|
||||||
|
main()
|
||||||
|
|
Loading…
Reference in New Issue
Block a user