首页 > 编程 > Python > 正文

python采集百度百科的方法

2019-11-25 17:18:21
字体:
来源:转载
供稿:网友

本文实例讲述了python采集百度百科的方法。分享给大家供大家参考。具体如下:

#!/usr/bin/python# -*- coding: utf-8 -*-#encoding=utf-8 #Filename:get_baike.pyimport urllib2,reimport sysdef getHtml(url,time=10): response = urllib2.urlopen(url,timeout=time) html = response.read() response.close() return htmldef clearBlank(html): if len(html) == 0 : return '' html = re.sub('/r|/n|/t','',html) while html.find(" ")!=-1 or html.find(' ')!=-1 :  html = html.replace(' ',' ').replace(' ',' ') return htmlif __name__ == '__main__':  html = getHtml('http://baike.baidu.com/view/4617031.htm',10)  html = html.decode('gb2312','replace').encode('utf-8') #转码  title_reg = r'<h1 class="title" id="[/d]+">(.*?)</h1>'  content_reg = r'<div class="card-summary-content">(.*?)</p>'  title = re.compile(title_reg).findall(html)  content = re.compile(content_reg).findall(html)  title[0] = re.sub(r'<[^>]*?>', '', title[0])  content[0] = re.sub(r'<[^>]*?>', '', content[0])  print title[0]  print '#######################'  print content[0]

希望本文所述对大家的Python程序设计有所帮助。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表