Python实现简单的爬虫获取某刀网的更新数据

时间：2018-05-03 16:30:38 阅读：174 评论：0 收藏：0 [点我收藏+]

昨天晚上无聊时，想着练习一下Python所以写了一个小爬虫获取小刀娱乐网里的更新数据

[python] view plain copy

#!/usr/bin/python
# coding: utf-8
import urllib.request
import re
#定义一个获取网页源码的子程序
head = "www.xiaodao.la"
def get():
data = urllib.request.urlopen(‘http://www.xiaodao.la‘).read()
#解码并去除无用文字
str = data.decode("gbk").replace(r"font-weight:bold;","").replace(r" ","").replace(" ","").replace(" ","").replace("\r\n","").replace("#FF0000","#000000").strip()
return str[str.find("好卡售"):str.find("20160303184868786878.gif")]#返回指定内容
#获取一次网页源码并赋值给str
str = get();
#print(str)
#定义正则表达式
#reg = r‘href="(.*?)"style="color:#000000;"title="(.*?)"target="_blank">‘
reg = r‘href="(.*?)"style="color:#000000;"title="(.*?)"target="_blank">(.*?)</a></div></td><tdwidth=12.5%align=rightnowrap=nowrapstyle="color:#F00;">(.*?)</td>‘
tmp = re.compile(reg);#创建正则表达式
list = re.findall(tmp,str);#正则表达式匹配
list = tuple(list)#转换类型
print("一共匹配到%d个"%(len(list)))#输出匹配数量
#print(list)
for i in range(len(list)):
print("当前第%d个:"%(i+1))
print("标题:%s\n地址:%s更新时间:%s\n"%(list[i][1],head + list[i][0],list[i][3]))

原文地址：https://www.cnblogs.com/zxtceq/p/8985732.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

周排行