python之爬虫源码

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python之爬虫源码，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1796字，纯文字阅读大概需要3分钟。

内容图文

import requests
import re
 
class spider():
    def __init__(self):
        print('爬虫启动.......')
    def getSource(self,url):
        html=requests.get(url).text
        return html
    def changePage(self,url,num_total):
        changePage=[]
        for each in range(1,num_total+1,50):
            urlNow=re.sub('pn=(\d+)', 'pn=%s'%each, url,re.S)
            changePage.append(urlNow)
        return changePage
    def getmyideaInfo(self,source):
        li=re.findall('<li class=" j_thread_list clearfix"(.*?)</li>', source, re.S)
        return li
    def getinfo(self,classinfo):
        info={}
        info['最后回复时间']=re.findall('<span class="threadlist_reply_date pull_right j_reply_data" title="最后回复时间">(.*?)</span>', classinfo, re.S)
        info['回复人数']=re.findall('title="回复">(.*?)</span>', classinfo, re.S)
        info['主题']=re.findall('target="_blank" class="j_th_tit ">(.*?)</a>', classinfo, re.S)
        info['主题作者']=re.findall('title="主题作者:(.*?)"',classinfo,re.S)
        info['内容']=re.findall('<div class="threadlist_abs threadlist_abs_onlyline ">(.*?)</div>', classinfo, re.S)
        info['最后回复人']=re.findall(' <span class="tb_icon_author_rely j_replyer" title="最后回复人:(.*?)">', classinfo, re.S)
        return info
    def saveinfo(self,info):
        f=open('infoTieba.txt','a')
        for each in info:
            try:
                f.writelines('回复人数'+str(each['回复人数'])+'\n')
                f.writelines('主题'+str(each['主题'])+'/n')   
                f.writelines('主题作者'+str(each['主题作者'])+'\n')
                f.writelines('内容'+str(each['内容'])+'\n')
                f.writelines('最后回复人'+str(each['最后回复人'])+'\n\n')
            except:
              pass
        f.close()
                 
               
if __name__=='__main__':
    classInfo=[]
    url='http://tieba.baidu.com/f?kw=%E5%8F%8C%E6%B1%9F%E4%B8%AD%E5%AD%A6&ie=utf-8&pn=1'
    mySpider=spider()
    netPage=mySpider.changePage(url, 1000)
    for each in netPage:
        print('正在处理：'+each)
        html=mySpider.getSource(each)
        oppo=mySpider.getmyideaInfo(html)
        for i in oppo:
            info=mySpider.getinfo(i)
            classInfo.append(info)
        mySpider.saveinfo(classInfo)

 

内容总结

以上是互联网集市为您收集整理的python之爬虫源码全部内容，希望文章能够帮你解决python之爬虫源码所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---