爬取糗事百科多页

coding=utf-8

import urllib2
import urllib
import re
i=0
j=0
for j in range(1,5):
print “第%s页”%j
fo=open(“renwu3.txt”,“a”)
url = ‘https://www.qiushibaike.com/8hr/page/’+ str(j) + “/”
user_agent = ‘Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)’
headers = {‘User-Agent’:user_agent}
request = urllib2.Request(url,headers = headers)
response = urllib2.urlopen(request)
content = response.read().decode(‘utf-8’)
content= content.replace("
",",")
content= content.replace("\n",",")
pattern = re.compile(r’

(.?)

.? (.?).? (.*?)’,re.S)
items = re.findall(pattern,content)

for a in items:
    print a[0]
    print a[1]
    print a[2]
    fo.write('发布人:')
    fo.write(a[0].encode('UTF-8')+'\n')
    fo.write('发布内容:')
    fo.write(a[1].encode('UTF-8')+'\n')
    fo.write('点赞数:')
    fo.write(a[2].encode('UTF-8')+'\n\n')
    fo.write('==================================================\n')
    i+=1

fo.close()
学习总结:
掌握了re模块(正则的使用),
python中文件的存储,文件的读取,文件的写入,内容查找和替换。。。(文件的操作)

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