thread0806.php fid 2,抓取1024用户名 Hey,Hey,Hey

# coding: gb2312

import urllib

import re

import urllib2

import gzip

from xmlrpclib import gzip_decode

import sys

import time

def getHtml(url):

req_header = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0',

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

'Accept-Language': 'zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3',

'Accept-Encoding': 'gzip, deflate',

'Referer': 'http://cl.wecl.biz/thread0806.php?fid=7',

'Cookie': '__cfduid=d4b20a829ffba3d7e390aa12bb7a02bc11451978228; CNZZDATA950900=cnzz_eid%3D947358398-1451974316-%26ntime%3D1451979935; __utma=29374829.582752694.1451978230.1451978230.1451983608.2; __utmc=29374829; __utmz=29374829.1451978230.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __utmb=29374829.3.10.1451983608; 227c9_lastfid=7; 227c9_lastvisit=0%091451984992%09%2Fthread0806.php%3Ffid%3D7%26search%3D%26page%3D5; __utmt=1'

}

req_timeout = 10

req = urllib2.Request(url,None,req_header)

resp = urllib2.urlopen(req,None,req_timeout)

html = resp.read()

html = gzip_decode(html)

return html

def getNickname(html):

#Reg='class="bl">(.+)'

Reg='by: (.+)'

DomainReg=re.compile(Reg)

DomainList=re.findall(DomainReg,html)

#print DomainList

i = 0

f = open('c:/cao.md','a+')

while (i 

if(len(DomainList[i])>1):

print(DomainList[i])

f.writelines(DomainList[i])

f.write("\r\n")

i += 1

f.close()

#return DomainList

pagecount = 1

while (pagecount<90):

html = getHtml("http://cl.wecl.biz/thread0806.php?fid=7&search=&page="+str(pagecount))

getNickname(html)

time.sleep(10)

print pagecount

pagecount +=1

  • 0
    点赞
  • 0
    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