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:

技术图片

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

python爬取图片简记

利用Python爬取新浪微博营销案例库并下载到本地

爬虫使用urllib.request去爬取小说

02. 爬取get请求的页面数据

03.爬取get请求的页面数据