#coding=utf-8
#---------------------------------------
# 程序:网易爬虫
# 作者:ewang
# 日期:2016-7-6
# 语言:Python 2.7
# 功能:获取网易页面中的文本信息并保存到TXT文件中。
#---------------------------------------
import string
import urllib2
import re
import os
class WangYi_Spider:
#申明相关属性
def __init__(self):
#给wangyiUrl属性赋值
self.wangyiUrl="http://www.163.com/"
#用来保存页面中文字信息
self.pageinfor=[]
print u'已经启动网易爬虫,爬爬...'
#初始化加载页面并将其转码存储
def wangyi(self):
#读取页面的原始信息并将其从gbk转码
Page=urllib2.urlopen(self.wangyiUrl).read().decode('gbk')
#获取页面标题
title=self.find_title(Page)
print u'网页名称:'+title
#获取页面中文本信息
self.save_infor(title)
#查找页面标题
def find_title(self,page):
#匹配<title>xxxx</title>
myTitle=re.search(r'<title>(.*?)</title>',page,re.S)
#初始化标题名为暂无标题
title=u'暂无标题'
#如果标题存在把标题赋值给title
if
网易页面的网络爬虫,获取网易页面的所有文本信息
最新推荐文章于 2024-08-03 15:58:00 发布
该博客介绍了一个Python 2.7编写的网易页面爬虫程序,由ewang编写。程序能抓取网易页面的标题和特定标签内的文本信息,并将这些信息保存为TXT文件。爬虫首先通过urllib2获取页面原始内容,使用正则表达式解析<title>标签获取网页标题,然后将<em>, <span>, 和<a>标签内的文本信息提取并保存。最后,所有信息被编码为GBK并写入以网页标题命名的TXT文件。"
113784286,10079502,Windows内置工具的远程操作与渗透技巧,"['Windows', '系统管理', '安全', '网络攻防']
摘要由CSDN通过智能技术生成