鱼C论坛

 找回密码
 立即注册
查看: 2367|回复: 2

用正则表达式爬取贴吧标题

[复制链接]
发表于 2017-2-17 11:03:13 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
#获得贴吧的标题

import urllib.request
import re

def url_open(url):
    #伪造headers 防止屏蔽
    head = {}
    head['User-Agent'] = 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'

    req = urllib.request.Request(url,headers=head)
    response = urllib.request.urlopen(req)
    html = response.read().decode('utf-8')

    return html


def GetTitle(html):
    info = re.findall(r'target="_blank">(*)</a>',html)
    for title in info:
        print(title)

if __name__=='__main__':
    for i in range(5):
        ii = (i+1)*50
        print(ii)
        url = "http://tieba.baidu.com/f?kw=%E5%B1%B1%E4%B8%9C%E9%B2%81%E8%83%BD&ie=utf-8&pn=" + str(ii)
        GetTitle(url_open(url))
        print("__________________________________________")

是不是我的正则表达式写错了????



想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2017-2-17 11:25:20 | 显示全部楼层
(.*)
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2017-2-17 12:44:58 | 显示全部楼层
@#
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-2-9 09:01

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表