python爬虫案例-----周东海

开始前先确认自己需要爬取的网页和导包

from urllib import request
import re

定义url

page=100
url='http://tieba.baidu.com/f?kw=%E6%AE%B5%E5%AD%90&ie=utf-8&pn='+str(page)

from urllib import request
import re

#定义url
page=100
url='http://tieba.baidu.com/f?kw=%E6%AE%B5%E5%AD%90&ie=utf-8&pn='+str(page)

try:
    #定义请求头
    headers={'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.74 Safari/537.36'}
    #定义请求 ， 传入请求头
    req=request.Request(url,headers=headers)
    # 打开网页
    resp=request.urlopen(req)
    #打印响应，解码
    content=resp.read().decode('utf-8')
    print(content)
    # 正则表达式
    # pattern=re.compile(r'<title>(.*)</title>')
    # <a rel="noopener"  具体的东西直接写出
    # .*?匹配没用的数据
    # （.*？）匹配有用的数据的分组
    # \s 空格
    pattern=re.compile(r'<a rel="noopener".*?title=(.*?)\s.*?>(.*?)</a>')
    # 匹配HTML
    items=re.findall(pattern,content)
    # 打印解析的内容
    for i in items:
        print(i[0]+'\t'+i[1])
        # print('标题title:'+i[0]+' '+'content'+i[1])
        # print(1)
except request.URLError as e:
    # 打印响应码
    if hasattr(e,'code'):
        print(e.code)
    # 打印异常原因
    if hasattr(e,'reason'):
        print(e.reason)