python之如何获取网站的html文件

我正在尝试获取我网站的 html，看看它是否与我在离线版本上的相同。

我一直在研究这个，我能找到的只是解析或者只处理 http://

到目前为止我有这个:

import urllib 
url = "https://www.mywebsite.com/" 
onlinepage = urllib.urlopen(url) 
print(onlinepage.read()) 
offlinepage = open("offline.txt", "w+") 
print(offlinepage.read()) 
 
if onlinepage.read() == offlinepage.read(): 
    print("same") # for debugging 
else: 
    print("different") 

这总是说它们是相同的，即使我放入完全不同的网站也是如此。

请您参考如下方法:

当您第一次使用这些行打印在线和离线页面时:

print(onlinepage.read()) 
print(offlinepage.read()) 

...您现在已经使用了每个文件对象中的所有文本。对任一对象的后续读取都将返回一个空字符串。两个空字符串相等，因此您的 if 条件将始终评估为 True。

如果您纯粹使用文件，您可以 seek到两个文件的开头并再次阅读。由于 urlopen 中的文件对象没有 seek 方法，您需要使用新的 urlopen 命令重新获取页面或者，更好的是，将原始文本保存在一个变量中，并将其用于后续比较:

online = onlinepage.read() 
print(online) 
offline = offlinepage.read() 
print(offline) 
 
... 
 
if online == offline: 
    ...