今天心血来潮,写了个python的小爬虫

昨天晚上看看python,比较高兴,今天照着教程写了个小例子

主要用到了python中的正则表达式re和网络urllib2,

下面我附上全部代码

其实downURL这个的功能是最核心的,应为整个爬虫扒取网页的主要功能就是由他实现的

#coding=utf-8
import urllib2
import re

def downURL(url,filename):
    try:
        fp=urllib2.urlopen(url)
    except:
        print 'download exception'
        return 0
    op = open(filename,"wb")#趴下来的网页存这里
    while 1:
        s = fp.read()
        if not s:
            break
        op.write(s)
        
    fp.close()
    op.close()
    return 1

def getURL(url):#使用正则表达式进行url的挖掘
    try:
        fp = urllib2.urlopen(url)
    except:
        print 'get url exception'
        return []
    pattern = re.compile("http://m.qiushibaike.com/hot/page/")#正则表达式匹配
    while 1:
        s = fp.read()
        if not s:
            break
        urls = pattern.findall(s)
    fp.close()
    return urls

def spider(startURL,times):#爬虫
    urls = []
    urls.append(startURL)
    i=0;
    while 1:
        if i>times:
            break
        if len(urls)>0:
            url = urls.pop(0)
            print url,len(urls)
            downURL(url,str(i)+'.htm')#趴下来的网页
            i=i+1
            if len(urls)<times:
                urllist = getURL(url)
                for url in urllist:
                    if urls.count(url) == 0:
                        urls.append(url)
        else:
            break
    return 1

spider("http://m.qiushibaike.com/hot/page/",2)
                        

        


  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
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