Python-网络爬虫

Python在设计上坚持了清晰划一的风格,这使得Python成为一门易读、易维护,并且被大量用户所欢迎的、用途广泛的语言。学习Python也有一段时间了,接下来做一下简单的爬虫程序,用来获取一些网页上的数据:

网页图:

在这里插入图片描述

爬取的数据:

在这里插入图片描述

实现代码:
#coding=utf-8
import urllib.request
import re

class Reptile(object):

    def start(self):
        # 爬取页面总数
        pageCount = 10
        # 页码
        i = 1
        while i <= pageCount:
            url = "http://www.neihan.net/text_%d.html"%i
            send_headers = {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"}
            f = urllib.request.Request(url,headers=send_headers)
            r = urllib.request.urlopen(f)
            # 读取并转码
            html = r.read().decode("utf-8")
            print("开始爬取第%d页"%i)
            self.doInfo(html)
            print("爬取完毕")
            i+=1

    def doInfo(self, html):
        str_ = str(html)
        pattern = re.compile(r'<dd class="content"(.*?)(<br/>|</dd>)', re.S)
        list = pattern.findall(str_)
        for temp in list:
            self.writeToFile(temp[0])

    def writeToFile(self,content):
        file = open("test.txt","a",encoding="utf-8")
        file.write(content)
        file.write("\n\n")
        file.close()

if __name__ == "__main__":
    reptile = Reptile()
    reptile.start()
输出结果:

在这里插入图片描述

  • 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