2019-12-05 Python3作业 爬取CSDNBLOG

import urllib.request
import re


data = urllib.request.urlopen('http://blog.csdn.net/').read() #注意要去掉https中的s
headers = ('User-Agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36')
opener = urllib.request.build_opener()
opener.addheaders=[header] #模拟浏览器
data=opener.open(url).read() #模拟浏览器访问网站

data2=data.decode('utf-8','ignore') #解码
pat = '<a href="(https://blog.csdn.net/.*?/\d+?)"'
allurl=re.compile(pat).findall(data2)
set=set(allurl) #用集合的方式去掉重复的url
listallurl=list(set) #再把集合变回LIST
for i in range(0,len(listallurl)):
    try:                                     #异常处理
        print('第'+str(i)+'次爬取')
        currenturl = allurl[i]
        file = 'D:/CSDNBLOG/'+str(i)+'.html' #设定保存路径
        urllib.request.urlretrieve(currenturl,file) #保存
    except urllib.error.URLError as e:
        if hasattr(e,'code'):
            print(e.code)
        if hasattr(e,'reason'):
            print(e.reason)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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