python抓取oschina最新文章

# -*- coding:utf-8 -*-  
import urllib,urllib2 
import os,Queue,random,sys 
from urllib import FancyURLopener
class MyOpener(FancyURLopener):
        version='Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/534.55.3 (KHTML, like Gecko) Version/5.1.3 Safari/534.53.10'

class Spider:  
    def get_html(self,url):
        myopener = MyOpener()
        sock = myopener.open(url)  
        htmlSource = sock.read()  
        sock.close()  
        return htmlSource  
    def analysis_html(self,htmlSource):  
        import lxml.html.soupparser as soupparser  
        dom = soupparser.fromstring(htmlSource)  
        Url=dom.xpath('//*[@id="RecentBlogs"]/ul[1]/li/div/h3/a[@href]')
        title=dom.xpath('//*[@id="RecentBlogs"]/ul[1]/li/div/h3/a/text()')
        writer=dom.xpath('//*[@id="RecentBlogs"]/ul[1]/li/div/div/text()')
        for i in  range(len(title)):
                print title[i].encode('utf-8'),Url[i].get('href').encode('utf-8'),writer[i].encode('utf-8')
if __name__ == '__main__':  
    spider = Spider()  
    url=['http://www.oschina.net/blog/more?p=%s#' %(i) for i in range(10)]
    urls=Queue.Queue()
    for i in url:
     urls.put(i)
    for i in range(urls.qsize()):
     url=urls.get()
     htmlSource = spider.get_html(url)  
     spider.analysis_html(htmlSource)

智普教育整理发布哦  www.jeapedu.com

  • 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