抓取天涯文章的蜘蛛代码,刚经过更新(因为天涯页面HTML代码变化)
#_*_coding:utf-8-*- import urllib2 import traceback import codecs from BeautifulSoup import BeautifulSoup def openSoup(url,code): page = urllib2.urlopen(url) soup = BeautifulSoup(page,fromEncoding=code)#,fromEncoding="gb2312" #soup = BeautifulSoup(page,code) return soup def getContentFromDiv(contents): s = "" for content in contents: try: s += content except: pass s = s.lstrip().rstrip() if len(s) < 50: return "" else: return " "+s+"\r\n"+"\r\n" def readHtml(soup,fp,authname): pageContent = "" item = soup.find(name='div', attrs={'class':'bbs-content clearfix'}) if item != None: pageContent += getContentFromDiv(item.contents) items = soup.findAll(name='div', attrs={'class':'atl-item'}) for item in items: userItem = item.find(name='a', attrs={'class':'js-vip-check'}) if userItem == None or userItem.contents[0] != authname: continue contentItem = item.find(name='div', attrs={'class':'bbs-content'}) pageContent += getContentFromDiv(contentItem.contents) fp.write(pageContent) def getNextPage(soup,pno): nextlink = soup.find(name="a",attrs={"class":"js-keyboard-next"}) if nextlink != None: return "http://bbs.tianya.cn"+nextlink["href"] else: return 'OVER' def getHtml(url,filename,authname): p = 1 fp = codecs.open(filename,'w','utf-8') while True: soup = openSoup(url,'utf-8') readHtml(soup,fp,authname) url = getNextPage(soup,p+1) if url == 'OVER' : break print 'PAGE '+str(p)+' OK' p = p + 1 print 'It\'s Over' fp.close() if __name__ == '__main__': getHtml('http://bbs.tianya.cn/post-no05-143258-1.shtml','krzc.txt',u'关河五十州') #getHtml('http://bbs.tianya.cn/post-no05-143258-1036.shtml','krzc.txt',u'关河五十州')
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 周边上新:园子的第一款马克杯温暖上架
· Open-Sora 2.0 重磅开源!
· .NET周刊【3月第1期 2025-03-02】
· 分享 3 个 .NET 开源的文件压缩处理库,助力快速实现文件压缩解压功能!
· [AI/GPT/综述] AI Agent的设计模式综述
2013-08-08 python的闭包以及闭包在设计里的意图和作用