Python爬虫爬取一页韩寒新浪博客



上篇文章已讲了抓取一篇博客的内容,这篇文章将讲述如何爬取一页博客(一页上有很多篇(新浪博客一页最多有50篇))

我们只需在第一篇代码的外面加一个循环,给出第一页的网页链接,然后在上面爬取所有的博客链接,再下载就Ok了


# -*- coding : -utf-8 -*-
import urllib
import time
url = ['']*50
con = urllib.urlopen('http://blog.sina.com.cn/s/articlelist_1191258123_0_1.html').read()//第一页的链接
#print con
i = 0
title = con.find(r'<a title=')
#print 'title',title
href = con.find(r'href=',title)
#print 'href',href
html = con.find(r'.html',href)

while title != -1 and href != -1 and html != -1 and i<50:
    
    url[i] = con[href + 6:html + 5]
    print url[i]
    title = con.find(r'<a title=',html)
    href = con.find(r'href=',title)
    html = con.find(r'.html',href)
    i = i + 1
else:
    print 'find end!'


j = 0
while j < 50:
    content = urllib.urlopen(url[j]).read()
    open(r'hanhan/'+url[j][-26:],'w+').write(content)
    print 'downloading',url[j]
    j = j + 1
    #time.sleep(1)
else:
    print 'download artical finished!'


运行界面:



结果页面:


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