用Python编写网页爬虫爬取oj上的代码
2018-03-12 14:02:10
1424浏览
今天我们给大家讲解一下关于Python爬取网页的源代码,直接是干货,在代码中有不足之处,或者专业的Python高级开发程序员大神有更便捷的方式,我们可以共享。
#-*-coding:cp936-*-
importurllib2
importurllib
importre
importthread
importtime
importcookielib
cookie_support=urllib2.HTTPCookieProcessor(cookielib.CookieJar())
opener=urllib2.build_opener(cookie_support,urllib2.HTTPHandler)
urllib2.install_opener(opener)
#以下是正則表達式部分,意在过滤爬取页面的标签信息
classTool:
A=re.compile(";")#A-J对标签进行匹配
B=re.compile("
")
C=re.compile("
D=re.compile(">;")
E=re.compile("";")
F=re.compile("&")
G=re.compile("TimesNewRoman">")
H=re.compile("")
I=re.compile("'")
J=re.compile(r'语言.*?face=')
defreplace_char(self,x):#将标签内容替换成目标内容
x=self.A.sub("",x)
x=self.B.sub("",x)
x=self.C.sub("
x=self.D.sub(">",x)
x=self.E.sub(""",x)
x=self.F.sub("&",x)
x=self.G.sub("",x)
x=self.H.sub("",x)
x=self.I.sub("'",x)
x=self.J.sub("",x)
returnx
classHTML_Model:
def__init__(self,u,p):
self.userName=u#username与password等登入信息
self.passWord=p
self.mytool=Tool()
self.page=1#从代码页的第一页開始爬
self.postdata=urllib.urlencode({
'userName':self.userName