python自动抓取论文_Python实现抓取CSDN首页文章列表

__author__ = 'Administrator'

import urllib.request

import re

from bs4 import BeautifulSoup

########################################################

#

# 抓取csdn首页文章http://blog.csdn.net/?&page=1

#

# 参数baseUrl是要访问的网站地址

#

########################################################

class CsdnUtils(object):

def __init__(self):

user_agent='Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36'

self.headers ={'Cache-Control':'max-age=0',

'Connection':'keep-alive',

'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',

'User-Agent':user_agent,

}

self.contentAll=set()

def getPage(self,url=None):

request=urllib.request.Request(url,headers=self.headers)

response=urllib.request.urlopen(request)

soup=BeautifulSoup(response.read(),"html.parser")

#print(soup.prettify())

return soup

def parsePage(self,url=None,page_num=None):

soup=self.getPage(url)

itemBlog=soup.find_all('dl','blog_list clearfix')

cnArticle=CsdnUtils

print("========================第",page_num,"页======================================")

for i,itemSingle in enumerate(itemBlog):

cnArticle.num=i

cnArticle.author=itemSingle.find('a','nickname').string

cnArticle.postTime=itemSingle.find('label').string

cnArticle.articleView=itemSingle.find('em').string

cnArticle.title=itemSingle.find('h3',"tracking-ad").string

cnArticle.url=itemSingle.find("h3").find("a").get("href")

print("数据:",cnArticle.num+1,'\t',cnArticle.author,'\t',cnArticle.postTime,'\t',cnArticle.articleView,'\t',cnArticle.title,'\t',cnArticle.url)

####### 执行 ########

if __name__ =="__main__":

#要抓取的网页地址'http://blog.csdn.net/?&page={}'.format(i+1),i+1)

url = "http://blog.csdn.net"

cnblog=CsdnUtils()

for i in range(0,2):

cnblog.parsePage(url,i+1)

  • 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