python爬取糗事百科

看了麦子学院的视频,整理出面向过程代码和面向对象代码,灰常感谢胡明星老师的讲解!面向过程源码如下:#coding:utf-8import urllib2import reimport osprint "start"for i in range(1,35): url = 'http://www.qiushibaike.com/8hr/page/'+str(i)
摘要由CSDN通过智能技术生成

看了麦子学院的视频,整理出面向过程代码和面向对象代码,灰常感谢胡明星老师的讲解!

面向过程源码如下:


#coding:utf-8
import urllib2
import re
import os

print "start"
for i in range(1,35):
    url = 'http://www.qiushibaike.com/8hr/page/'+str(i)+'/?s=4975281'
    user_agent ='Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.95 Safari/537.36'
    headers ={'User-Agent':user_agent}
    try:
        request = urllib2.Request(url=url,headers=headers)
        response = urllib2.urlopen(request)
        content = response.read()
    except urllib2.HTTPError as e:
        print e
    except urllib2.URLError as e:
        print e
# 2、根据抓取到的网页源代码去提取想要的数据
    pattern = re.compile('<div class="content">.*?<span>(.*?)</span>.*?</div>',re.S)
    items = re.findall(pattern,content)
    for item in items:
        item = item.replace('<br/>', '\n')
# 3、保存抓取的数据
    path = '/Users/apple/Downloads/qiubai'
    if not os.path.exists(path):
        os.makedirs(path)
    file_path = path+'/'+item+'txt'
    f = open(file_path,'w')
    f.write(item)
    f.close()
# 4、抓取其他剩下页面的
print "end"


面向对象源码如下:

#coding:utf-8
import urllib2
import re
import os

# 声明一个爬虫类
class spider(object):
    #构造方法
    def __init__(self):
        self.url = 'http://www.qiushibaike.com/8hr/page/%s/?s=4975281'
        self.user_agent ='Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.95 Safari/537.36'
    #获取网页源代码
    def get_page(self,page_index):
        headers = {'User-Agent': self.user_agent}
        try:
            request = urllib2.Request(url=self.url%str(page_index), headers=headers)
            response = urllib2.urlopen(request)
            content = response.read()
            return content
        except urllib2.HTTPError as e:
            print e
        except urllib2.URLError as e:
            print e
    #分析网页源代码
    def analysis(self,content):
        pattern = re.compile('<div class="content">.*?<span>(.*?)</span>.*?</div>', re.S)
        items = re.findall(pattern, content)
        return items
    #保存抓取的内容
    def save(self,items,path):
        for item in items:
            item = item.replace('<br/>', '\n')

        path = '/Users/apple/Downloads/qiubai'
        if not os.path.exists(path):
            os.makedirs(path)
        file_path = path + '/' + item + 'txt'
        f = open(file_path, 'w')
        f.write(item)
        f.close()
    #运行的方法
    def run(self):
        print "start"
        for i in range(1, 35):
            content = self.get_page(i)
            items = self.analysis(content)
            self.save(items,'qiubai')
        print "end"

if __name__ == '__main__':
    spider = spider()
    spider.run()



  • 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