遇一山,过一山,处处有风景;只要勇敢向前,一路尽是繁花盛开。 | (点击查看→)【测试干货】python/java自动化、持续集成、性能、测开、简历、笔试面试等

py3+urllib+re,轻轻松松爬取双色球最近100期中奖号码

通过页面源码,发现使用正则表达式可以很方便的获取到我们需要的数据,最后循环写入txt文件。

 

(\d{2})表示两位数字
[\s\S]表示匹配包括“\r\n”在内的任何字符,匹配红球和蓝球之间的内容

具体实现代码如下:
import urllib.request
import re
url = 'http://baidu.lecai.com/lottery/draw/list/50?type=latest&num=100'
def get():
    # 页面是utf8编码,所有解码成unicode
    html = urllib.request.urlopen(url).read().decode('utf8') # <meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
    # print(html)
    reg = r'<em>(\d{2})</em><em>(\d{2})</em><em>(\d{2})</em><em>(\d{2})</em><em>(\d{2})</em><em>(\d{2})</em>[\s\S]*?<em>(\d{2})</em>'
    reg = re.compile(reg) # 把字符串类型的正则表达式编译成对象,提高匹配效率
    # print(re.findall(reg, html))
    return re.findall(reg, html)
qiu = get()
with open('qiu.txt', 'a+') as f:
    for i in qiu:
        print(i)
        for j in i:
            f.write(j+' ')
        f.write('\n')

 

 

posted @ 2017-06-07 17:40  全栈测试笔记  阅读(733)  评论(0编辑  收藏  举报
浏览器标题切换
浏览器标题切换end