一天一爬虫:day01-糗事百科_v2
来源:互联网 发布:apache flink 视频教程 编辑:程序博客网 时间:2024/04/29 21:06
接上篇,把代码重构,写的更好看些
#-*—coding:utf8-*-import requestsimport reimport urllib2import urllib#下面三行是编码转换的功能import sysreload(sys)sys.setdefaultencoding("utf-8")class QSBK: def __init__(self): self.pageIndex = 1 self.headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2272.118 Safari/537.36'} self.stories = [] self.enable = False #程序是否继续运行 def getPage(self,pageIndex): try: url = 'http://www.qiushibaike.com/hot/page/'+str(pageIndex) request = urllib2.Request(url,headers=self.headers) response = urllib2.urlopen(request) pageCode = response.read() #print type(pageCode) #str return pageCode except: return '' def getPageItems(self,pageIndex): pageCode = self.getPage(pageIndex) if not pageCode: print '页面加载失败' return None pattern = re.compile('<h2>(.*?)</h2>.*?<div class="content">.*?<span>(.*?)</span>.*?</div>(.*?)<div class="stats">.*?"number">(.*?)</i>.*?"number">(.*?)</i>',re.S) items = re.findall(pattern,pageCode) pageStories = [] for item in items: haveImg = re.search("img",item[2]) if not haveImg: replaceBR = re.compile('<br/>') text = re.sub(replaceBR,"\n",item[1]) pageStories.append([item[0],text,item[3],item[4]]) return pageStories #缓存 def loadPage(self): if self.enable == True: if len(self.stories)<2: pageStories = self.getPageItems(self.pageIndex) if pageStories: self.stories.append(pageStories) self.pageIndex +=1 #调用 def getOneStory(self,pageStories,page): n = 0 for story in pageStories: input = raw_input('') n+=1 self.loadPage() #调用加载页面 if input == 'Q': self.enable = False return print u"第%d页\t第%d条\t发布人:%s\n%s" % (page,n,story[0],story[1]) print u"\n阅读量%s,评论%s条" % (story[2],story[3]) def start(self): print u"正在读取糗事百科,回车查看新段子,Q退出" self.enable = True self.loadPage() nowPage = 0 #控制当前读到第几页 while self.enable: if len(self.stories)>0: pageStories = self.stories[0] nowPage += 1 del self.stories[0] #删掉打印过的笑话 self.getOneStory(pageStories,nowPage) spider = QSBK()spider.start()
0 0
- 一天一爬虫:day01-糗事百科_v2
- 一天一爬虫:day01-糗事百科_v1
- 一天一爬虫:day02-百度贴吧_v2
- 糗事百科爬虫
- 糗事百科爬虫
- python爬虫糗事百科
- 糗事百科爬虫改进
- 糗事百科交互式爬虫
- 爬虫实战--糗事百科
- 糗事百科简单爬虫
- [python3]糗事百科爬虫
- Python糗事百科爬虫
- python爬虫“糗事百科”
- 爬虫-糗事百科段子
- python爬虫糗事百科
- python糗事百科爬虫
- python糗事百科爬虫
- Python爬虫实战一之爬取糗事百科段子
- javascript getElementById 使用方法及用法
- Apache的prefork模式和worker模式
- 程序员每天累成狗,是为了什么
- 数学公理体系
- 行为级建模的体系结构
- 一天一爬虫:day01-糗事百科_v2
- 六、GC调优工具
- pwnable.kr [Toddler's Bottle]
- POJ2367_Genealogical tree_拓扑排序
- Linux网络编程之使用TCP传输文件
- Linux Device Drive —— Chapter 1
- 回溯——矩阵中路径问题(0,1矩阵中最优路径、矩阵中的路径、机器人的运动范围)
- MySQL 触发器
- TwoRavens配置的完整过程及异常处理方法