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 21:35:28      阅读:106      评论:0      收藏:0      [点我收藏+]

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:

技术分享图片

通过urllib.request爬取CSDN原创博客标题方法封装

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