从贴吧热门贴的源代码获取发帖人,发帖时间,发帖内容,并存入csv文件中

 
# -*- coding: utf-8 -*-
import re
import csv

name_list = []
f = open("result.csv", "w+", encoding="utf-8")
csv_writer = csv.writer(f)
csv_writer.writerow(["用户名", "发帖时间", "发帖内容"])
file = open("source.txt", "r")  #源代码存储文件
content = file.read()
file.close()
#匹配发帖人
pattern1 = re.compile(r'''p_author_name.*?>(.*)''', re.M | re.I)
pattern2 = re.compile(r"<img.*?/>")
name = pattern1.findall(content)
for str1 in name:
    str1 = re.sub(pattern2, "", str1)
    str1 = re.sub(r"</a>", "", str1)
    name_list.append(str1)
#匹配发帖时间
pattern3 = re.compile(r"\d{4}-\d{2}-\d{2} \d{2}:\d{2}")
time_list = pattern3.findall(content)
#匹配发帖内容
pattern4 = re.compile(r'''post_content_\d{12}.*?>\s*(.*?<)''', re.M | re.I)

info = pattern4.findall(content)

info_list = []
for str1 in info:
    str1 = re.sub(r"<", "", str1)
    info_list.append(str1)

#zip()内置函数同时遍历三个列表
for name, time, info in zip(name_list, time_list, info_list):
    csv_writer.writerow([name, time, info])

 

  • 0
    点赞
  • 1
    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