python爬虫成果_Python爬虫（小练习）

近日，在浏览伯乐在线(http://blog.jobbole.com/29281/)的时候碰到一些很不错的资源：25本免费的Python电子书

如下图:

其中，每本都是以名字+超链接的方式，于是激起了我写个小程序保存这些资源的欲望，顺便也能练习一些不太熟练的小爬虫 : ) 。好了，我们开始吧！

先展示一下成果给大家看嗯: 如图

每本书都很有条理的保存在本地文档中，结果还是挺满意的哈。

首先呢要完成这些工作大概要分为一下几个步骤:

1. 获得整个页面的源代码 (网页源码HTML)

2. 获得目标区域的源代码 (缩小范围)

3. 在小范围内匹配资源的URL

4. 将匹配到的资源URL写入到本地保存

下面，将分为4个步骤来分部展示Python程序

第一，获得整个页面的源代码:

1 defgetHtml(url):2 html =urllib.urlopen(url)3 sorce =html.read()4 return sorce

该段代码将返回资源所在的整个页面的HTML源代码

第二，获得目标区域的源代码 (缩小范围):

1 defgetRange(content):2 start0 = content.find(r'

')3 start = content.find(r'

',start0)4 end = content.find(r'

',start)5 content2 =content[start:end]6 return content2

第三，匹配资源的URL:

1 defgetLink(content2):2 reg = re.compile(r'(.*?)')8 result2 =reg.findall(content2)9 return result2

以上俩个函数分别用来匹配资源的链接和书名

第四，保存到本体:

即是在print 的基础上从定向到文件中。详见下面的完整代码 : )

下面是完整代码：

1 #!/usr/bin/env python

2 #coding:utf-8

4 importurllib5 importre6

7 defgetHtml(url):8 html =urllib.urlopen(url)9 sorce =html.read()10 returnsorce11

12 defgetRange(content):13 start0 = content.find(r'

')14 start = content.find(r'

',start0)15 end = content.find(r'

',start)16 content2 =content[start:end]17 returncontent218

19 defgetLink(content2):20 reg = re.compile(r'(.*?)')26 result2 =reg.findall(content2)27 returnresult228

29 if __name__ == '__main__':30 content = getHtml(r'http://blog.jobbole.com/29281/')31 content2 =getRange(content)32 link =getLink(content2)33 name =getName(content2)34 i = 1

35 f = open('content.txt','w+')36 for x, y inzip(name, link):37 print >>f, str(i),":",x,38 print >>f39 print >>f,y40 i = i + 1

看到这里您辛苦了，谢谢 : )

—————————————————————————————————————————————————————————————————————————————

声明：

本文为大Yi巴狼对自己所学的知识整理和实现。

本文档欢迎自由转载，但请务必保持本文档完整或注明来之本文档。本文档未经大Yi巴狼同意，不得用于商业用途。最后，如果您能从这个简单文档里获得些许帮助，大Yi巴狼将对自己的一点努力感到非常高兴；由于作者本人水平有限，如果本文档中包含的错误给您造成了不便，在此提前说声抱歉。

祝身体健康，工作顺利。

python爬虫成果_Python爬虫（小练习）相关推荐

python官网学习爬虫资料_Python爬虫学习？
1 爬虫是互联网上最常见的一种东西了吧. 爬虫这东西每天都在网上爬大量的信息,各大搜索引擎厂商每天都有上百万的爬虫在网络上活动,这些爬虫的作用就是给搜索引擎采集互联网上最新的内容,采集来的内容经过分类 ...
python爬虫难点_Python爬虫技巧
在本文中,我们将分析几个真实网站,来看看我们在<用Python写网络爬虫(第2版)>中学过的这些技巧是如何应用的.首先我们使用Google演示一个真实的搜索表单,然后是依赖JavaScr ...
python简单爬虫手机号_Python爬虫：大家用公共的手机号干了啥？
说明:本文所提供的思路和代码都只用于个人测试研究之用,并未对目标网站造成实质性干扰,而且全部细节已经全部告知网站开发者,也请大家不要用于恶意用途. 在我的微信公众号"免费的临时手机号,用这些 ...
花一千多学python值吗_Python爬虫应该怎么学？程序猿花了一周整理的学习技巧，请收下...
原标题:Python爬虫应该怎么学?程序猿花了一周整理的学习技巧,请收下 Python爬虫为什么受欢迎如果你仔细观察,就不难发现,懂爬虫.学习爬虫的人越来越多,一方面,互联网可以获取的数据越来越多, ...
python流行的爬虫框架_Python爬虫相关框架
Python爬虫相关框架,Python的爬虫框架就是一些爬虫项目的半成品.比如我们可以将一些常见爬虫功能的实现代码写好,然后留下一些接口,在做不同的爬虫项目时,我们只需要根据实际情况,只需要写少量需要 ...
python数据入库_python爬虫（中）--数据建模与保存（入库）
前言前面,讲的是提取出来的数据保存进一个extracted_data,再保存进extracted_data_,变成一个list包含list的情况,当然你只提取一项,那就没有必要这么做了,可是我的项目 ...
python电影爬虫背景介绍_python爬虫-爬虫电影八佰词云
#数据获取 importrequestsimportreimportcsvimportjiebaimportwordcloud#通过循环实现多页爬虫#观察页面链接规律#https://movie.do ...
python爬虫代理服务器_Python爬虫之服务器：代理IP万能
最近很多同学租服务器用来学习爬虫,对于大部分小白来说,爬虫非常复杂.技术门槛很高.但我们可以通过爬虫获取大量的价值数据,经分析可以发挥巨大的价值,比如:豆瓣.知乎,爬取优质答案,筛选出各话题下热门内容 ...
python爬虫要点_Python爬虫知识点梳理
学任何一门技术,都应该带着目标去学习,目标就像一座灯塔,指引你前进,很多人学着学着就学放弃了,很大部分原因是没有明确目标,所以,在你准备学爬虫前,先问问自己为什么要学习爬虫.有些人是为了一份工作,有些 ...

python爬虫成果_Python爬虫（小练习）

python爬虫成果_Python爬虫（小练习）相关推荐

最新文章

热门文章