from urllib import request import re page=54 #匹配段子吧的第五十四页 url="http://tieba.baidu.com/f?kw=%E6%AE%B5%E5%AD%90&ie=utf-8&pn="+str(page) try: #请求头 headers={'User-Agent':'User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36'} #定义请求,传入请求头 req=request.Request(url,headers=headers) #打开网页 resp=request.urlopen(req) #打印返回信息 解码 content=resp.read().decode('utf-8') print(content) # .*? 匹配没用的数据 # (.*?)匹配有用数据的分组 pattern=re.compile(r'<a rel="noopener".*?title=(.*?)\s.*?>(>*?)</a>') #匹配html 找到所有的a链接标题和内容 items=re.findall(pattern,content) #打印解析的内容 for i in items: print(i[0]+'\t'+i[1]) except request.URLError as e: if hasattr(e,'code'): print(e.code)#响应码 if hasattr(e,'reason'): print(e.reason)#异常原因
爬虫标题和内容_龙红云
最新推荐文章于 2023-11-11 10:21:46 发布