爬虫入门(1)

# -*- coding:utf-8 -*-
import urllib
import urllib2
import re
import thread

class QSBK:

    def __init__(self):
        self.page_index = 1
        self.user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
        self.headers = {"User-Agent": self.user_agent}
        self.storys = []

    def getPage(self):
        try:
            url = 'http://www.qiushibaike.com/hot/page/' + str(self.page_index)
            request = urllib2.Request(url, headers = self.headers)
            response = urllib2.urlopen(request)
            page_code = response.read().decode('utf-8', 'ignore')
            return page_code
        except urllib2.URLError, e:
            if hasattr(e, 'reason'):
                print "连接糗事百科失败,错误原因:", e.reason
            return None

    def getPageItem(self):
        page_code = self.getPage()
        if not page_code:
            print "页面加载失败..."
            return None
        pattern = re.compile('<div class="author clearfix">.*?<a.*?<img.*?</a>.*?<a.*?<h2>(.*?)</h2>.*?<div.*?"content">(.*?)</div>',re.S)
        items = re.findall(pattern, page_code)
        page_storys = []
        for item in items:
            x = item[0] + ':'
            y = item[1].replace('<br/>', '  ')
            self.storys.append([x.strip(), y.strip()])

    def start(self):
        print "正在读取糗事百科,回车查看新段子,Q退出..."
        self.getPageItem()
        while True:
            if len(self.storys) > 0:
                story = self.storys[0]
                del self.storys[0]
                input = raw_input()
                if (input == 'Q') or (input == 'q'):
                   break
                print u"第%d页\n%s\t \n%s" %(self.page_index, story[0], story[1])
            else:
                self.page_index += 1
                self.getPageItem()

spider = QSBK()
spider.start()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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