Python爬虫_用Python爬取csdn页面信息目录

1.原理:

这个程序可以实现批量获取到某一个CSDN博客的个人信息、目录与链接的对应,并存到一个本目录的mulu.txt文件中

2.具体代码:

# -*- coding: cp936 -*-
import urllib.request#
import re#
import sys#
import time#
import random
import string
headers = {#
    'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'  
}
url_end=[]#
title_end=[]
for n in range(2):
    req = urllib.request.Request(
        url = 'http://blog.csdn.net/wangquannetwork/article/list/'+str((n+1)),
        headers = headers
    )
    content = urllib.request.urlopen(req).read()
    content = content.decode('utf-8')
    p=re.compile('\r\n')
    content=re.sub(p,'',content)

    url_str = re.findall('((?<=(link_title\"><a href=\")).*?(?=\"))',content)
    for i in range(len(url_str)):
        url_end.append('blog.csdn.net'+url_str[i][0])

    title_str = re.findall('((?<=([0-9][0-9][0-9][0-9][0-9]\">)).*?(?=(</a></span>)))',content)
    for i in range(len(title_str)):
        title_end.append(title_str[i][0][8:])

content = urllib.request.urlopen(req).read()
content = content.decode('utf-8')
span_str = re.findall(r'(?<=<li>).+?(?=</li>)',content)
title_str = re.findall(r'(((?<=(k\">)).*?(?=(</a>))))',content)

sName='./mulu.txt'
with open(sName,'w') as file:
    file.write('这是 '+title_str[0][0]+' 的博客')
    file.write('\n')
    file.write('下面是博客信息')
    file.write('\n')
    for x in range(0,5):  
        file.write(span_str[x])
        file.write('\n')
    file.write('\n')
    file.write('一共有'+str(len(url_end))+'个文章')
    file.write('\n')
    file.write('\n')
    for i in range(len(url_end)):
        file.write(str((i+1))+'.')
        file.write(title_end[i])
        file.write('\n')
        file.write(url_end[i])
        file.write('\n')



3.Python代码实现结果:


注意:以上内容均为原创作品 转载请注明出处http://blog.csdn.net/wangquannetwork/article/details/45832109


  • 0
    点赞
  • 4
    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