用 python 做简单的网页爬虫程序

今天看到一个网页,又因为在家里用电话线上网,一直在线阅读很麻烦。所以就写了个简单的程序把网页抓下来离线阅读,省点电话费:)
这个程序因为主页面链接到的页面都在同一个目录下,结构很简单,只有一层。因此写了一些硬编码做链接地址的分析。
代码如下:

# !/usr/bin/env python
#
 -*- coding: GBK -*-

import  urllib

from  sgmllib  import  SGMLParser

class  URLLister(SGMLParser):
    
def  reset(self):
        SGMLParser.reset(self)
        self.urls 
=  []
        
    
def  start_a(self, attrs):
        href 
=  [v  for  k, v  in  attrs  if  k  ==   ' href ' ]
        
if  href:
            self.urls.extend(href)
    
url 
=  r ' http://www.sinc.sunysb.edu/Clubs/buddhism/JinGangJingShuoShenMo/ '
sock 
=  urllib.urlopen(url)
htmlSource 
=  sock.read()
sock.close()
# print htmlSource
=  file( ' jingangjing.html ' ' w ' )
f.write(htmlSource)
f.close()

mypath 
=  r ' http://www.sinc.sunysb.edu/Clubs/buddhism/JinGangJingShuoShenMo/ '

parser 
=  URLLister()
parser.feed(htmlSource)

for  url  in  parser.urls:
    myurl 
=  mypath  +  url
    
print   " get:  "   +  myurl
    sock2 
=  urllib.urlopen(myurl)
    html2 
=  sock2.read()
    sock2.close()
    
    
#  保存到文件
     print   " save as:  "   +  url
    f2 
=  file(url,  ' w ' )
    f2.write(html2)
    f2.close()
    
    
  • 0
    点赞
  • 2
    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