通过urllib.request爬取CSDN原创博客标题方法封装
Posted cesarezhang
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了通过urllib.request爬取CSDN原创博客标题方法封装相关的知识,希望对你有一定的参考价值。
通过urllib.request爬取CSDN博客原创博客标题方法封装
- 正则表达式:
pat = ‘<span class=".*">原创</span>(.*)</a>‘
import re import urllib.request def get_csdn(url, pat, page): title_list = [] for page1 in range(1, int(page) + 1): new_url = url + str(page1) result = urllib.request.urlopen(new_url).read().decode("utf-8") string = re.compile(pat).findall(result) for title in string: j = title_list.append(title.strip()) # str.strip()去空格 return title_list if __name__ == ‘__main__‘: url = "https://blog.csdn.net/weixin_42760923/article/list/" pat = ‘<span class=".*">原创</span>(.*)</a>‘ page = 5 print(get_csdn(url, pat, page)) print(len(get_csdn(url, pat, page)))
返回结果:
以上是关于通过urllib.request爬取CSDN原创博客标题方法封装的主要内容,如果未能解决你的问题,请参考以下文章
Python 爬虫篇 - 通过urllib.request伪装成浏览器绕过反爬虫爬取网页所有连接实例演示,urllib2库的安装