标签：www 技术 color html sqli sql strong tab 流程
写在前面：第一次使用爬虫，甚至都算不上爬虫，水平有限，主要作为学习记录。
主要业务流程如下：
使用python的requests模块获取页面信息
通过re模块（正则表达式）取出需要的内容（小说标题，正文）
通过MysqlDB模块入库
使用webpy模块进行访问
下面是效果图，简单实现了点击上一页、下一页翻页的功能：
目录结构如下：
D:\PROJECT\SPIDER
│ fiction_spider.py
│ webapp.py
│
└─template
index.html
爬取信息及入库代码如下：
#coding:utf-8
#fiction_spider.py import requests import re import MySQLdb def get_title(): html = requests.get(‘http://www.jinyongwang.com/tian/‘).content rem = r‘<li><a href="(.*?)">(.*?)</a>‘ return re.findall(rem,html) def get_content(url): html = requests.get(‘http://www.jinyongwang.com/‘+url).content #print html matchs_p = r‘<p>(.*?)</p><script.*?‘ data = re.findall(matchs_p, html) return data[0] if __name__ == ‘__main__‘: a = MySQLdb.connect(host=‘10.1.*.*‘, port=3306, user=‘user‘, passwd=‘passwd‘, db=‘testdb‘, charset=‘utf8‘) for i in get_title(): cur = a.cursor() print i[1] print i[0] sqli = ‘INSERT INTO `fiction` (`title`, `content`) VALUES ("%s","%s" )‘%(i[1],get_content(i[0])) cur.execute(sqli) cur.close() a.commit() a.close()
页面代码如下：
#coding:utf-8
#webapp.py import web import re urls = (‘/(.*)‘,‘Index‘) db = web.database(dbn = ‘mysql‘,host=‘10.1.*.*‘, port=3306, user=‘user‘, passwd=‘passwd‘, db=‘testdb‘, charset=‘utf8‘) render = web.template.render(‘template‘) class Index: def GET(self,html): id = re.findall(‘(.*?).html‘,html)[0] print id data = db.query("select * from fiction where id=%s"%id) return render.index(data[0],id) if __name__ == ‘__main__‘: web.application(urls,globals()).run()
页面访问的index.html内容如下：
$def with(data,s) <meta charset="utf-8"/> <title>$:data.title</title> <h1>$:data.title</h1> <div style="margin:0px auto;text-align:center;"> <a href="$:(int(s)-1).html">上一页</a> <a href="$:(int(s)+1).html">下一页</a> </div> $:data.content <br> <div style="margin:0px auto;text-align:center;"> <a href="$:(int(s)-1).html">上一页</a> <a href="$:(int(s)+1).html">下一页</a> </div>
标签：www 技术 color html sqli sql strong tab 流程
原文地址：http://www.cnblogs.com/Detector/p/7604151.html
