函数式 抓取凤凰网文章正文

# -*- coding: utf-8 -*-
import urllib2, re
def getNews(url, regular):
	html = urllib2.urlopen(url, timeout = 40).read()
	txt = re.findall(regular, html, re.S)

	for item in txt:
		item=re.sub('<[\/\!]*?[^<>]*?>|<script[^>]*?>.*?</script>si|window.zlzp = window.zlzp||{};|&(nbsp|#160);|&(quot|#34);|" target="_blank">(.*)</a>', '', item) 
		item=re.sub('\n\s*\r|	 |document.getElementById(.*);|<span class="rz">(.*)</span>]</span>|<a href="| | ', '', item) 
		item=re.sub(' |>>', ' ', item)
		return item

url = "http://news.ifeng.com/mainland/detail_2013_11/06/30987846_0.shtml"
regular = '<div id="artical_real">(.*)<span class="ifengLogo">'
print getNews(url, regular)



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