python简单抓取糗事百科的内容

作者: Lazy1 | 来源:发表于2016-10-18 20:28 被阅读502次

    !/usr/bin/env python

    -- coding: utf-8 --

    抓取糗事百科的html

    
    
    import urllib
    import urllib2
    import re
    
    page = 1
    url = 'http://www.qiushibaike.com/hot/page/' + str(page)
    user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
    headers = {'User-Agent': user_agent}
    try:
        request = urllib2.Request(url, headers=headers)
        response = urllib2.urlopen(request)
        content = response.read().decode('utf-8')
        # 匹配<div class="author clearfix">的节点下的html ,里面标签为<h2>里面的内容,匹配到"content">里面的 内容到</div>截止,下一个div里面的class==number的数值,和下一个div节点的评论的div class =main-text的评论的内容
        pattern = re.compile('<div class="author clearfix">.*?<h2>(.*?)</h2>.*?"content">(.*?)</div>.*?number">(.*?)</.*?number">(.*?)</.*?<div class="cmtMain">.*?"main-text">(.*?)</div>', re.S)
        items = re.findall(pattern, content)
        # 分别对应的是 昵称,标题,好笑数,评论数,评论的内容
        for item in items:
            print item[0], item[1], item[2], item[3], item[4]
    except urllib2.URLError, e:
        if hasattr(e, "code"):
            print e.code
        if hasattr(e, "reason"):
            print e.reason
    
    

    相关文章

      网友评论

        本文标题:python简单抓取糗事百科的内容

        本文链接:https://www.haomeiwen.com/subject/keptuttx.html