爬虫（2）

# -*- coding:utf-8 -*-
# 百度音乐热歌榜 Top500
# Auth:Crane
# Time:2014-6-17
# V1.0
# 缺点：只能抓取前50首，也就是第一页的，其他页的抓不到，呃，发现其实不用先写到文件再从文件中读出来，因为效果是一样的，如果去掉
# .decode("utf-8")，那么能显示495个，但是是乱码

import urllib2
import re

url='http://music.baidu.com/top/dayhot'
content=urllib2.urlopen(url).read().decode("utf-8")

reg=r'<a href="/song/.*?" title="(.*?)">.*?<span class="author_list" title="(.*?)">'
music_re=re.compile(reg)
music_list=re.findall(music_re,content)

i=1
for item in music_list:
 	print i,item[0]+'    '+item[1]
 	i+=1

只能抓取前50首，也就是第一页的，其他页的抓不到，呃，发现其实不用先写到文件再从文件中读出来，因为效果是一样的，如果去掉
 .decode("utf-8")，那么能显示495个，但是是乱码，不知道是什么原因

　

 

 

转载于:https://www.cnblogs.com/crane-practice/p/3793722.html