设为首页 收藏本站
查看: 1111|回复: 0

[经验分享] 第一个python小程序--解析网页

[复制链接]
累计签到:1 天
连续签到:1 天
发表于 2015-4-21 09:05:52 | 显示全部楼层 |阅读模式
  很久就想学python了,但一直找不到合适的项目来练习,python的语法很有意思,写起来很简洁,今天有空边找资料边写出来了这一个小项目。考虑到3.x的python库还不是很多,大部分资料也是python2.x的,所以我用的python2.7来进行
  之前就听说python访问网络很easy,这次是真的体会到了。很简单几句话搞定,不像java那样,再简单的访问都要装饰几层才能使用。
  这次是拿糗事百科的网站,从上面抓取新鲜事并整理打印出来
  不想多说了,以下上代码:



import urllib2
import sgmllib
class Entry:
author=''
content=''
pic=''
up = 0
down = 0
tag = ''
comment = 0
def to_string(self):
return '[Entry: author=%s content=%s pic=%s tag=%s up=%d down=%d comment=%d]'\
%(self.author,self.content,self.pic,self.tag,self.up,self.down,self.comment)
class MyHTMLParser(sgmllib.SGMLParser):
#所有用到的声明
#note all the datas
datas = []
# all the entries
entries = []
#the entry now
entry = Entry()
#last Unclosed tag
div_tag_unclosed = ''
def start_div(self,attrs):
for name,value in attrs:
if name =='class' and value == 'content':
self.div_tag_unclosed = 'content'
elif name=='class' and value == 'tags' :
self.div_tag_unclosed = 'tags'
elif name=='class' and value=='up':
self.div_tag_unclosed = 'up'
elif name=='class' and value == 'down':
self.div_tag_unclosed = 'down'
elif name=='class' and value=='comment':
self.div_tag_unclosed = 'comment'
elif name=='class' and value=='author':
self.div_tag_unclosed = 'author'
self.entry = Entry()
elif name=='class' and value=='thumb':
self.div_tag_unclosed = 'thumb'
def end_div(self):
if self.div_tag_unclosed == 'content' :
self.div_tag_unclosed =''
self.entry.content =  self.datas.pop().strip()
def start_a(self,attrs):pass
def start_img(self,attrs):
if self.div_tag_unclosed == 'thumb':
for name,value in attrs:
if name=='src':
self.div_tag_unclosed =''
self.entry.img = value.strip()
def end_img(self):pass
def end_a(self):
if self.div_tag_unclosed == 'author':
self.div_tag_unclosed =''
self.entry.author = self.datas.pop().strip()
if self.div_tag_unclosed == 'tags':
self.div_tag_unclosed =''
self.entry.tag = self.datas.pop().strip()
elif self.div_tag_unclosed == 'up':
self.div_tag_unclosed =''
self.entry.up = int(self.datas.pop().strip())
elif self.div_tag_unclosed == 'down':
self.div_tag_unclosed =''
self.entry.down = int(self.datas.pop().strip())
elif self.div_tag_unclosed == 'comment':
self.div_tag_unclosed =''
self.entry.comment = int(self.datas.pop().strip())
self.entries.append(self.entry)
def handle_data(self, data):
#        print 'data',data
        self.datas.append(data)
#request the url
response = urllib2.urlopen('http://www.qiushibaike.com/8hr')
all = response.read()
#parse HTML
parser = MyHTMLParser()
parser.feed(all)
#print all the entries
for entry in parser.entries:
print entry.to_string()
  整个程序很简单,用到了urllib2来请求网络,sgmllib来解析Html,由于第一次写python程序,所以写的时候效率很低,尤其是一直想在if后面加上小括号=-=

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-59094-1-1.html 上篇帖子: Python模块学习——optparse 下篇帖子: Python+Karrigell+Cheetah环境搭建
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表