网络爬虫入门

import urllib.request;
import re; 

url = "http://news.xinhuanet.com/politics/2015-12/20/c_128549058.htm";
data = urllib.request.urlopen(url);
# 返回对象,有各种方法
txt = data.read().decode("utf-8","ignore"); 
# ignore是为了在爬非utf-8的网页时不会挂掉 
# 目前只会用utf-8 ,在爬新浪新闻、网易新闻时出问题
# 主要是不会转码←_←

title = re.compile(r"""<title>(.*?)</title>""",re.DOTALL); 
# 利用re.DOTALL使'.'可以代表newline
for ch in title.finditer(data):
    file.write(ch.group(1)+'\n');

下面大牛的文章先存好以后慢慢看
https://jecvay.com/2014/09/python3-web-bug-series1.html
https://jecvay.com/2014/09/python3-web-bug-series2.html
https://jecvay.com/2014/09/python3-web-bug-series3.html
https://jecvay.com/2014/10/python3-web-bug-series4.html
https://jecvay.com/2015/02/python3-web-bug-series5.html





  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值