云学python (第5章对象带你飞之爬虫)《vamei-从Python开始学编程》 笔记
5.5写一个爬虫
conn = http. client.HTTPConnection("www. cnblogs. com") # 主机地址
conn・ request("GET", "/vamei") |
#请求方法和资源路径 #获得回复 |
|
response |
=conn.getresponse() |
|
content = |
response.read() |
#回复的主体内容 |
content = |
content.splitC'XrXn") |
#分割成行 |
这里的content是列表,列表的每个元素是超文本的一行。对于我们所关心的信息来说,它们存在的行看起来是下面的样子:
<div class="postDesc">posted @ 2014-08-12 20:55 Vamei 阅读(6221)评论(11) <a href ="博客后台 - 博客园" rel= "nofollow"> 编辑 </ax/div>
我们想要的信息,如2014-08-12 20:55,以及阅读量6221镶嵌在一串 文字中。要想提取出类似这样的信息,我们很自然地想到了 5.3节的正则表达式:
import re pattern = "posted @ (\d{4}-[0-l]\d-(0-3}\d [0-2]\d: [0-6]\d) Vamei 阅读 \((\d+)\)评论”
for line in content:
m = re.search(patternline)
if m != None:
print(m.group(l)m.group(2))
把两段程序合在一起,将打印出如下结果: |
||
2016-03-23 |
14:08 |
9622 |
2016-03-23 |
07:12 |
1787 |
2016-03-22 |
11:20 |
1161 |
2015-05-11 |
13:08 |
5864 |
2014-10-01 |
12:50 |
5584 |
2014-09-01 05:41 9073
2014-08-20 |
10:48 |
6971 |
2014-08-16 |
11:51 |
5682 |
2014-08-13 |
22:43 |
7119 |
2014-08-12 |
20:55 |
6221 |
根据本章的内容,你还可以把日期转换成日期对象,进行更复杂的 操作,如查询文章是星期几发表的。你还可以把上面的内容写入文件,长久的保存起来。可以看到,这个简单的程序中包含了不同方面的知识内容。
#我失败的代码:import http.clientconn = http.client.HTTPConnection("www.twosetapparel.com")
conn.request("GET","/collections/shop-all/products/twoset-practice-sweater-vest")
response = conn.getresponse()content = response.read()
content = content.split("\r\n")
#主要是这一行的问题:TypeError: a bytes-like object is required, not 'str'print(str(content))import repattern = "posted @ (\d{4}-[0-1]\d-{0-3}\d [0-2]\d:[0-6]\d) Vamei 阅读\((\d+)\)评论"
for line in content:m = re.search(pattern,line)if m !=None:print(m.group(1),m.group(2))
云学python (第5章对象带你飞之爬虫)《vamei-从Python开始学编程》 笔记相关推荐
- 云学python (第5章对象带你飞之储存 上下文管理器pickle 包)《vamei-从Python开始学编程》 笔记
2.上下文管理器 文件操作常常和上下文管理器一起使用.上下文管理器(context manager)用于规定某个对象的使用范围.一旦进入或者离开该使用范围, 则会有特殊操作被调用,比如为对象分配或者释 ...
- 云学python (第5章对象带你飞之储存 文件)《vamei-从Python开始学编程》 笔记
对象能提供丰富的功能,比如文件读.写.时间日期管理.正则表达式和网络爬虫. 5.1存储 1.文件 Python中的数据都保存在内存中.当电脑断电时,内存中的数据就会消失.另一方面,如果Python程序 ...
- 云学python (第5章对象带你飞之HTTP通信)《vamei-从Python开始学编程》 笔记
1.HTTP通信简介 在通信这个神秘的过程中,参与通信的个体总要遵守特定的协议(Protocol).为了多层次地实现全球互联网通信,计算机通信也有一套多层次的协议体系. HTTP协议是最常见的一种网络 ...
- python第三章课后答案_XX医学院本科各专业《Python》第三章习题与答案-2020年实用精品...
XX医学院本科各专业<Python>第三章习题与答案 一.填空题 1.python语言提供.和3种数字类型.(整数.浮点数.复数) 2.整数类型有4种进制表示,默认情况采用十进制,二进制数 ...
- scrapy框架---带你飞向爬虫路(九)
回顾(八)系统学习出门左转一到八 scrapy框架 五大组件+工作流程+常用命令 [1]五大组件1.1) 引擎(Engine)1.2) 爬虫程序(Spider)1.3) 调度器(Scheduler)1 ...
- python第四章答案猜数游戏_猜数游戏python
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 本文实例为大家分享了python实现猜数游戏的具体代码,供大家参考,具体内容如下 ...
- python标准库导入对象语句_下面哪些是正确的Python标准库对象导入语句?-智慧树Java程序设计(山东联盟-鲁东大学)章节答...
Java程序设计(山东联盟-鲁东大学):下面哪些是正确的Python标准库对象导入语句?[单选题] A:保证两个或多个进程同时启动和结束 B:保证两个或多个线程同时启动和结束 C:保证任何时候只有一个 ...
- python字典和集合对象可以进行索引操作_Python中的字典跟集合整理笔记
泛映射类型 映射类型:不仅仅是dict,标准库里的所有映射类型都是利用dict来实现的,因此它们有个共同的限制,即只有可散列的数据类型才能用做这些映射的键.(只有键有这个需求,值并不需要必须是可散列的 ...
- python抓取网页数据并截图_网络爬虫-使用Python抓取网页数据
搬自大神boyXiong的干货! 闲来无事,看看了Python,发现这东西挺爽的,废话少说,就是干 准备搭建环境 因为是MAC电脑,所以自动安装了Python 2.7的版本 添加一个 库 Beauti ...
最新文章
- Java 并发编程笔记(一)
- web浏览器录音:web audio api
- Confluence 6 配置系统属性
- .net MVC路由
- 框架升级后某个类型所在程序集发生转移,应用还能正常运行吗?
- 河海大学计算机科学考研真题,河海大学计算机与信息学院845电子技术基础历年考研真题汇编.pdf...
- 知识分享:如何用插件实现操作校验
- 用python编写密码安全性_密码安全性
- VoosteQ Material Comp for Mac - 尖端音频压缩器
- floodlight路由机制分析
- 手游加速器:[求助]安卓端 手游变速器,类似光环助手的实现方式是怎样的?...
- 企业管理小故事【有问题4个管理小法则】
- 解决“Windows 平台 FIPS 验证的加密算法的一部分”问题
- 闪存文件系统(Flash File System)
- AutoCAD安装失败
- 网络带宽相关知识和计算
- Windows下端口冲突的解决方法
- 明星为啥选嫁官家富家?
- 程序员不是工程师吗,他们之间有什么区别?
- spread运算符_JavaScript中的Spread运算符有什么用?