Python 爬虫 CSDN 网页下载
Posted 沧海一粒水
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python 爬虫 CSDN 网页下载相关的知识,希望对你有一定的参考价值。
import re
import urllib.request
import urllib.error
url="http://blog.csdn.net"
header=("User-Agent",\'User-Agent:Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36\')
opn=urllib.request.build_opener()
opn.addheaders=[header]
data=opn.open(url).read().decode()
pat=\'<li class=""><a href="(.*?)">\'
menu_data=re.compile(pat).findall(data)
file_num=0
for all_link in menu_data:
data1=opn.open(\'http://blog.csdn.net/\'+all_link ).read().decode()
pat1=\'<a href="(http://blog.csdn.net/.*[0-9].*?)" target=.*\'
sub_menu=re.compile(pat1).findall(data1)
try:
for link in sub_menu:
file_num+=1
urllib.request.urlretrieve(link,"D:\\\\data\\\\"+str(file_num)+".html")
except urllib.error.URLError as err:
if hasattr(err,"code"):
print(err.code)
if hasattr(err,"reason"):
print(err.reason)
以上是关于Python 爬虫 CSDN 网页下载的主要内容,如果未能解决你的问题,请参考以下文章
python爬虫 将在线html网页中的图片链接替换成本地链接并将html文件下载到本地
Python 实用爬虫-04-使用 BeautifulSoup 去水印下载 CSDN 博客图片