码迷,mamicode.com
首页 > Web开发 > 详细

通过urllib.request爬取CSDN原创博客标题方法封装

时间:2020-01-02 20:55:19      阅读:91      评论:0      收藏:0      [点我收藏+]

标签:lis   pil   new   list   lib   方法   strip   标题   pen   

通过urllib.request爬取CSDN博客原创博客标题方法封装

  • 正则表达式:pat = ‘<span class=".*">原创</span>(.*)</a>‘
import re
import urllib.request


def get_csdn(url, pat, page):
    title_list = []
    for page1 in range(1, int(page) + 1):
        new_url = url + str(page1)
        result = urllib.request.urlopen(new_url).read().decode("utf-8")
        string = re.compile(pat).findall(result)
        for title in string:
            j = title_list.append(title.strip()) # str.strip()去空格
    return title_list


if __name__ == __main__:
    url = "https://blog.csdn.net/weixin_42760923/article/list/"
    pat = <span class=".*">原创</span>(.*)</a>
    page = 5
    print(get_csdn(url, pat, page))
    print(len(get_csdn(url, pat, page)))

返回结果:

技术图片

通过urllib.request爬取CSDN原创博客标题方法封装

标签:lis   pil   new   list   lib   方法   strip   标题   pen   

原文地址:https://www.cnblogs.com/CesareZhang/p/12141797.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!