清华大佬耗费三个月吐血整理的几百G的资源,免费分享!....>>>
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 | # -*- coding: utf-8 -*- import urllib2 import urllib import re import thread import time #----------- 加载处理糗事百科 ----------- class Spider_Model: def __init__( self ): self .page = 1 self .pages = [] self .enable = False # 将所有的段子都扣出来,添加到列表中并且返回列表 def GetPage( self ,page): myUrl = "http://www.qiushibaike.com/hot/page/" + page myUrl = myUrl + "?s=4771468" user_agent = 'Mozilla/5.0 (Windows NT 6.1; rv:37.0) Gecko/20100101 Firefox/37.0' headers = { 'User-Agent' : user_agent } #print myUrl req = urllib2.Request(myUrl, headers = headers) myResponse = urllib2.urlopen(req) myPage = myResponse.read() #encode的作用是将unicode编码转换成其他编码的字符串 #decode的作用是将其他编码的字符串转换成unicode编码 unicodePage = myPage.decode( "utf-8" ) # 找出所有class="content"的div标记 #re.S是任意匹配模式,也就是.可以匹配换行符 myItems = re.findall( '<div.*?class="content">(.*?)</div>' ,unicodePage,re.S) items = [] for item in myItems: # item 中是div的内容,也就是糗事百科精华的内容 # item 中去掉换行 items.append(item.replace( "\n" ," ").replace(" <br / > "," ")) return items # 用于加载新的段子 def LoadPage( self ): # 如果用户未输入quit则一直运行 while self .enable: # 如果pages数组中的内容小于2个 if len( self .pages) < 2 : try : # 获取新的页面中的段子们 myPage = self .GetPage(str( self .page)) self .page + = 1 self .pages.append(myPage) except : print '无法链接糗事百科!' else : time.sleep( 1 ) def ShowPage( self ,nowPage,page): for items in nowPage: print u '第%d页' % page , items myInput = raw_input() if myInput = = "quit" : self .enable = False break def Start( self ): self .enable = True page = self .page print u '正在加载中请稍候......' # 新建一个线程在后台加载段子并存储 thread.start_new_thread( self .LoadPage,()) #----------- 加载处理糗事百科 ----------- while self .enable: # 如果self的page数组中存有元素 if self .pages: nowPage = self .pages[ 0 ] del self .pages[ 0 ] self .ShowPage(nowPage,page) page + = 1 #----------- 程序的入口处 ----------- print u """ --------------------------------------- 程序:糗百爬虫 版本:0.3 原作者:why 修改者:天问-中国 日期:2015-05-12 语言:Python 2.7 操作:输入quit退出阅读糗事百科 功能:按下回车依次浏览今日的糗百热点 --------------------------------------- """ print u '请按下回车浏览今日的糗百内容:' raw_input( ' ' ) myModel = Spider_Model() myModel.Start() |