当前位置:天才代写 > tutorial > Python教程 > python 翻页抓取

python 翻页抓取

2018-05-17 08:00 星期四 所属: Python教程 浏览:422

python">#!/usr/bin/env python
#coding:utf-8
import urllib2
import re
import os

def getHtml(url):   #获取html源码
    headers={"User-Agent":"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1"}
    req=urllib2.Request(url,headers=headers)
    response=urllib2.urlopen(req)
    html=response.read().decode('utf-8')
    return html

def urlPages(page):     #翻页
    url = 'https://but/company/lists/page/' + str(page)
    #print url
    return url

def findList(html):     #正则匹配列表
    myitems=re.findall('www.*?</td>',html,re.S)

    return myitems

for page in range(1, 78+1):    #抓取的页数
    #print page
    html = getHtml(urlPages(page))
    items = findList(html)
    for item in items:
        s = item
        s=item.replace('</td>','')
        #print s
        file_object = open('but.txt', 'a')
        file_object.writelines(s+'\n')
        file_object.close()

print (u'\n\n本王的网站下载完毕啦!')

标签:python

 

    关键字:

天才代写-代写联系方式