python爬虫第一次练习

python版本:python3.4

第一次尝试使用爬虫,没有做什么高端的事情,就是简单的爬了一下百度

用的也是python里面自带的 urllib库里面的东西,以及用了一个叫做deque的数据结构,有点像是队列,又有点不同


代码

import re
import urllib.request
import urllib

from collections import deque

queue = deque()
visited = set()

url = 'http://www.baidu.com'

queue.append(url)
cnt = 0

while queue:
	url = queue.popleft()
	visited = visited | {url}

	print('climb num:' + str(cnt) + ' now climb ---> ' + str(url) )
	cnt += 1
	urlop = urllib.request.urlopen(url)

	if 'html' not in urlop.getheader('Content-Type'):
		continue

	try:
		data = urlop.read().decode('utf-8')
	except:
		continue

	linkre = re.compile('href=\"(.+?)\"')
	for x in linkre.findall(data):
		if 'http' in x and x not in visited:
			queue.append(x)
			print('append in queue ---> ' + x )




  • 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