翻页抓取
发布时间:2020-12-17 17:09:30 所属栏目:Python 来源:网络整理
导读:今天PHP站长网 52php.cn把收集自互联网的代码分享给大家,仅供参考。 #!/usr/bin/env python#coding:utf-8import urllib2import reimport os def getHtml(url): #获取html源码headers={"User-Agent":"Mozilla/4.0 (compat
以下代码由PHP站长网 52php.cn收集自互联网 现在PHP站长网小编把它分享给大家,仅供参考 #!/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'nn本王的网站下载完毕啦!') 以上内容由PHP站长网【52php.cn】收集整理供大家参考研究 如果以上内容对您有帮助,欢迎收藏、点赞、推荐、分享。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |