《中谷教育Python视频教程》讲的是Python开发的入门教程，它将介绍Python语言的特点和适用范围，Python基本的数据类型，条件判断和循环，函数，以及Python特有的切片和列表生成式。希望本python教程能够让您快速入门并编写简单的Python程序。

该老师讲课风格:

教师讲课生动形象，机智诙谐，妙语连珠，动人心弦。一个生动形象的比喻，犹如画龙点睛，给学生开启智慧之门；一种恰如其分的幽默，引来学生会心的微笑，如饮一杯甘醇的美酒，给人以回味和留恋；哲人的警句、文化的箴言不时穿插于讲述中间，给人以思考和警醒。

本视频中较为难点是爬虫了：

1、单个网页的简易爬虫

以下爬虫的主要功能是爬取百度贴吧中某一页面的所有图片。代码由主要有两个函数：其中getHtml()通过页面url获取其对应的Html内容，getImage()则通过解析Html获取图片地址，实现图片的下载。

代码如下：import urllib

import re

def getHtml(url):

"""通过页面url获取其对应的Html内容

"""

page = urllib.urlopen(url) #打开页面

content = page.read() #读取页面内容

return content

def getImage(Html):

"""通过解析Html获取图片地址，实现图片的下载

"""

regx =r'src="(.+?\.jpg)" pic_ext' #利用正则表达式获得图片url

imgreg = re.compile(regx)

imglist = re.findall(imgreg,Html)

x = 0

for imgurl in imglist:

filepath ='F:\\Downloads\\'+str(x)+'.jpg'

urllib.urlretrieve(imgurl,filepath) #将图片下载到本地

x += 1

print 'completed!'

Html = getHtml('http://tieba.baidu.com/p/2505265675')

imglist = getImage(Html)

2、爬取多网页的框架

这里只讲基本思想：第一步是选择一个起始页面，可以直接选择某个网站的主页作为起始页面；第二步是分析这个起始页面的所有链接，然后爬取所有链接的内容；第三步就是无休无止的递归过程，分析爬虫所及的所有子页面内部链接，如果没有爬取过，则继续无休无止的爬取。

借用知乎上谢科兄弟的一段代码来说明。设定初始页面initial_page，爬虫就从这里开始获取页面，url_queue用来存将要爬取的页面队列，seen用来存爬取过的页面。import Queue

initial_page ="http://www.renminribao.com"

url_queue =Queue.Queue()

seen = set()

seen.insert(initial_page)

url_queue.put(initial_page)

while True:

if url_queue.size()>0:

current_url = url_queue.get() #取出队例中第一个的url

store(current_url) #把这个url代表的网页存储好

for next_url inextract_urls(current_url): #提取把这个url里链向的url

if next_url not in seen:

seen.put(next_url)

url_queue.put(next_url)

else:

break

这个给大家分享了视频的课件

本文地址：http://itbyc.com/linux/20166.html

转载请注明出处。