首页 > 代码库 > Python简易爬虫
Python简易爬虫
# coding: utf-8 import urllib import urllib2 import re import os if __name__==‘__main__‘: print "抓取开始..." j = 1 for i in range(1,35): url=‘http://www.qiushibaike.com/8hr/page/‘+str(i)+‘/?s=4981088‘ header={‘User-Agent‘:‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.81 Safari/537.36‘} try: request=urllib2.Request(url=url,headers=header) response=urllib2.urlopen(request) content= response.read() except urllib2.HTTPError as e: print e exit() except urllib2.URLError as e: print e exit() pattern=re.compile(‘<div class="content">.*?<span>(.*?)</span>.*?</div>‘,re.S) items=re.findall(pattern,content) path="qiubai" if not os.path.exists(path): os.makedirs(path) for item in items: file_path=path+"/"+str(j)+‘.txt‘ f=open(file_path,‘w‘) item=item.replace(‘<br/>‘,‘\n‘) f.write(item) f.close() j=j+1 print "内容抓取完成..."
Python简易爬虫
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。