首页 > 编程语言 > 详细

Python 爬虫 CSDN 网页下载

时间:2017-11-21 18:23:10      阅读:293      评论:0      收藏:0      [点我收藏+]
import re
import urllib.request
import urllib.error
url="http://blog.csdn.net"
header=("User-Agent",‘User-Agent:Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36‘)
opn=urllib.request.build_opener()
opn.addheaders=[header]
data=opn.open(url).read().decode()
pat=‘<li class=""><a href="(.*?)">‘
menu_data=re.compile(pat).findall(data)
file_num=0
for all_link in menu_data:
data1=opn.open(‘http://blog.csdn.net/‘+all_link ).read().decode()
pat1=‘<a href="(http://blog.csdn.net/.*[0-9].*?)" target=.*‘
sub_menu=re.compile(pat1).findall(data1)
try:
for link in sub_menu:
file_num+=1
urllib.request.urlretrieve(link,"D:\\data\\"+str(file_num)+".html")
except urllib.error.URLError as err:
if hasattr(err,"code"):
print(err.code)
if hasattr(err,"reason"):
print(err.reason)

技术分享图片

 



技术分享图片

 

Python 爬虫 CSDN 网页下载

原文:http://www.cnblogs.com/xiesongyou/p/7874660.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!