Lin_drink_caffe的博客

这篇爬虫和糗事百科是一样的方法，要注意的有两点： 1，正则表达式要更具网页的实时信息进行查看，打开F12查看源代码即可，并不难。 2，当时在检查的时候直接print content出现了符号码，改成for循环之后得出了正确的结果。# -*- coding:utf-8 -*-import urllibimport urllib2import re# 简书爬虫类class JianShu:

图像打开 要用Python进行图像处理，首先要下载对于的包。$ cd anaconda2/$ conda Pillowpython 程序from PIL import Imageimport matplotlib.pyplot as pltimg=Image.open('/home/cat.jpg')plt.figure("cat")plt.imshow(img)plt.show()关掉

1. 简单网页python扒网页主要根具URL来获取网页的内容。在python库中主要是urllib2起作用。In [5]:import urllib2In[6]:response=urllib2.urlopen("http://vip.stock.finance.sina.com.cn/corp/go.php/vFD_FinanceSummary/stockid/600000.phtml")

Headers有些网站不允许应用程序直接访问，一旦发现是程序在访问，则站点不会响应。为了模拟浏览器的工作方式，需要设置Headers。打开浏览器，按F12，打开网络监听。 User-Agent:Mozilla/5.0 (X11; Linux x86_64)其中，user_agent即为请求身份，如果没有写入请求身份，服务器可能不会响应，因此在headers中设置user_agent。import

1.URLError出现该错误的原因有：网络无连接，即本机无法上网连接不到特定的服务器服务器不存在 用try-except语句来包围捕获异常。import urllib2request = urllib2.Request('http://www.xxxxx.com')try: urllib2.urlopen(request)except urllib2.URLError, e:

出问题主要是正则表达式的修改# -*- coding:utf-8 -*-import urllibimport urllib2import reimport threadimport time#糗事百科爬虫类class QSBK: #初始化方法，定义一些变量 def __init__(self): self.pageIndex=1 self.user_age