码迷,mamicode.com
首页 > 编程语言 > 详细

python3 爬虫内涵段子

时间:2018-02-05 20:06:51      阅读:186      评论:0      收藏:0      [点我收藏+]

标签:rom   list   sel   pil   运行   for   控制   ble   trident   

import re
from urllib import request
class Sprder:
def __init__(self):
self.page=1
self.switch=True
def loadPage(self):
""""
下载页面
"""
url="http://www.neihan8.com/article/list_5_"+str(self.page)+".html"
user_agent = ‘Mozilla/5.0 (compatible; MSIE 9.0; Windows NT6.1; Trident / 5.0‘
headers = {‘User-Agent‘: user_agent}
request1=request.Request(url,headers=headers)
response=request.urlopen(request1)
html=response.read().decode("gbk")
pattern=re.compile(r‘<div\sclass="f18 mb20">(.*?)</div>‘, re.S)
content_list=pattern.findall(html)

self.dealPage(content_list)

def dealPage(self,content_list):
"""
处理每页段子
"""
for item in content_list:
item=item.replace("<p>","").replace("</p>","").replace("<br>","").replace("<br />","").replace("&ldquo;","")
self.writePage(item)

def writePage(self,item):
"""
把段子逐个写入文件
"""
with open("段子.txt","a") as f:
f.write(item)
def startWork(self):
"""
控制爬虫运行

"""
while self.switch:
self.loadPage()
command=str(input("如果继续按回车(退出输入quit)"))
if command=="quit":
self.switch=False

self.page+=1
if __name__ == ‘__main__‘:
duanziSpider=Sprder()
# duanziSpider.loadPage()
duanziSpider.startWork()

python3 爬虫内涵段子

标签:rom   list   sel   pil   运行   for   控制   ble   trident   

原文地址:https://www.cnblogs.com/Bighua123/p/8418968.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!