from urllib import request
import re
page=54 #匹配段子吧的第五十四页
url="http://tieba.baidu.com/f?kw=%E6%AE%B5%E5%AD%90&ie=utf-8&pn="+str(page)
try:
#请求头
headers={'User-Agent':'User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36'}
#定义请求,传入请求头
req=request.Request(url,headers=headers)
#打开网页
resp=request.urlopen(req)
#打印返回信息 解码
content=resp.read().decode('utf-8')
print(content)
# .*? 匹配没用的数据
# (.*?)匹配有用数据的分组
pattern=re.compile(r'<a rel="noopener".*?title=(.*?)\s.*?>(>*?)</a>')
#匹配html 找到所有的a链接标题和内容
items=re.findall(pattern,content)
#打印解析的内容
for i in items:
print(i[0]+'\t'+i[1])
except request.URLError as e:
if hasattr(e,'code'):
print(e.code)#响应码
if hasattr(e,'reason'):
print(e.reason)#异常原因
爬取标题和内容_肖长青
最新推荐文章于 2023-11-11 10:21:46 发布