python抓取百度热词 

 1 #baidu_hotword.py
 2 #get baidu hotword in news.baidu.com
 3 import urllib2
 4 import os
 5 import re
 6 
 7 def getHtml(url):
 8     page = urllib2.urlopen(url)
 9     html = page.read()
10     page.close()
11     return html
12 
13 def getHotWord(html):
14     reg = '<li.*?hotwords_li_a.*?title="(.*?)".*?</li>'
15     hotwords = re.compile(reg).findall(html)
16     return hotwords
17 
18 if __name__ == '__main__':
19     html = getHtml('http://news.baidu.com/')
20     #print(html)
21     hotwds = getHotWord(html)
22     for i in hotwds:
23         print unicode(i, "gb2312")
View Code

输出时必须使用unicode(i, "gb2312")，否则输出不了中文，跟字符编码相关，暂时还没研究。

参考：　http://sdu-wizard.iteye.com/blog/1631465

　　　　http://bbs.chinaunix.net/thread-1623347-1-1.html  

posted @ 2013-07-07 18:09  good90  阅读(1222)  评论(0)  编辑  收藏  举报