码迷,mamicode.com
首页 > 编程语言 > 详细

Python 爬虫实例

时间:2016-11-19 09:53:13      阅读:170      评论:0      收藏:0      [点我收藏+]

标签:htm   程序   pil   ref   nbsp   技术   .com   src   mpi   

下面是我写的一个简单爬虫实例

1.定义函数读取html网页的源代码

2.从源代码通过正则表达式挑选出自己需要获取的内容

3.序列中的htm依次写到d盘

#!/usr/bin/python
import re
import urllib.request

#定义函数读取html网页的源代码
def getHtml(url):
    page = urllib.request.urlopen(url)
    html = page.read()
    return html

#从源代码通过正则表达式挑选出自己需要获取的内容
def getImg(html):
    reg = r‘href="(.*?\.htm)"‘
    imgre = re.compile(reg)
    implist = re.findall(imgre,html)

#序列中的htm依次写到d盘
    x = 0
    for imgurl in implist:
        urllib.request.urlretrieve(imgurl, ‘D:\htm\%s.htm‘ % x)
        x += 1



html = getHtml("http://www.10086.cn/hb/index_270_719.html")
html = html.decode(‘utf-8‘)
print(getImg(html))

 运行程序结果:

技术分享

 

 

 

Python 爬虫实例

标签:htm   程序   pil   ref   nbsp   技术   .com   src   mpi   

原文地址:http://www.cnblogs.com/OliverQin/p/6079826.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!