抓取指定博客的内容
1.指定博客的地址
周国平的博客地址：http://blog.sina.com.cn/s/articlelist_1193111400_0_1.html
打开上述链接，然后按F12，找到太现实的爱情算不上爱情
2.代码的实现
指定的网址为：http://blog.sina.com.cn/s/blog_471d6f680102x7cu.html
在上述中我们已经将要指定网址的地址从总的html中找到了，不过这个指定网址还是在标签中
import urllib str = '太现实的爱情算不上爱情' title = str.find(r'') print title herf = str.find(r'href=') print herf html = str.find(r'.html') print html ##获取网址 url = str0[herf +6 :html+5] print url content = urllib.urlopen(url).read() ##访问地址并读取其内容 filename = url[-26:] print filename open(filename,'w').write(content)
3.抓取指定博客内容总结
- 获取网址
- 读取网址的内容
- 并将网址的内容写到一个文件中
4.python小只是扩展及说明
- find的用法
find() 方法检测字符串中是否包含子字符串 str ，如果指定 beg（开始） 和 end（结束） 范围，则检查是否包含在指定范围内，如果包含子字符串返回第一次出现的索引值，否则返回-1。
- 网页的读取
urllib.urlopen(url).read()
- 文件的写入
open(filename,'w').write(content)