国产片侵犯亲女视频播放_亚洲精品二区_在线免费国产视频_欧美精品一区二区三区在线_少妇久久久_在线观看av不卡

腳本之家,腳本語言編程技術及教程分享平臺!
分類導航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|

服務器之家 - 腳本之家 - Python - python實現批量下載新浪博客的方法

python實現批量下載新浪博客的方法

2020-07-15 10:17秋風秋雨 Python

這篇文章主要介紹了python實現批量下載新浪博客的方法,涉及Python頁面抓取的相關實現技巧,需要的朋友可以參考下

本文實例講述了python實現批量下載新浪博客的方法。分享給大家供大家參考。具體實現方法如下:

?
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
# coding=utf-8
import urllib2
import sys, os
import re
import string
from BeautifulSoup import BeautifulSoup
def encode(s):
  return s.decode('utf-8').encode(sys.stdout.encoding, 'ignore')
def getHTML(url):
  #proxy_handler = urllib2.ProxyHandler({'http':'http://211.138.124.211:80'})
  #opener = urllib2.build_opener(proxy_handler)
  #urllib2.install_opener(opener)
  req = urllib2.Request(url)
  response = urllib2.urlopen(req, timeout=15)
  return BeautifulSoup(response, convertEntities=BeautifulSoup.HTML_ENTITIES)
def visible(element):
  '''抓取可見的文本元素'''
  if element.parent.name in ['style', 'script', '[document]', 'head', 'title']:
    return False
  elif re.match('<!--.*-->', str(element)):
    return False
  elif element == u'\xa0':
    return False
  return True
def delReturn(element):
  '''刪除元素內的換行'''
  return re.sub('(?<!^)\n+(?!$)', ' ', str(element)).decode('utf-8')
def validFilename(filename):
  # windows
  return re.sub('[\/:*?<>"|\xa0]', '', filename)
def writeToFile(text, filename, dirname):
  if not os.path.exists(dirname):
    os.makedirs(dirname)
    print encode('保存到目錄'), dirname
  filename = validFilename(filename)
  print encode('保存文章'), filename
  path = os.path.join(dirname, filename)
  if not os.path.exists(path):
    f = open(path, 'w')
    f.write(text)
    f.close()
  else:
    print filename, encode('已經存在')
def formatContent(url, title=''):
  '''格式化文章內容'''
  page = getHTML(url)
  content = page.find('div', {'class':'articalContent'})
  art_id = re.search('blog_(\w+)\.html', url).group(1)
  blog_name = page.find('span', id='blognamespan').string
  if title == '':
    title = page.find('h2', id=re.compile('^t_')).string
  temp_data = filter(visible, content.findAll(text=True)) # 去掉不可見元素
  temp_data = ''.join(map(delReturn, temp_data)) # 刪除元素內的換行符
  temp_data = temp_data.strip() # 刪除文章首尾的空行
  temp_data = re.sub('\n{2,}', '\n\n', temp_data) # 刪除文章內過多的空行
  # 輸出到文件
  # 編碼問題
  temp_data = '本文地址:'.decode('utf-8') + url + '\n\n' + temp_data
  op_text = temp_data.encode('utf-8')
  op_file = title + '_' + art_id +'.txt'
  writeToFile(op_text, op_file, blog_name)
def articlelist(url):
  articles = {}
  page = getHTML(url)
  pages = page.find('ul', {'class':'SG_pages'}).span.string
  page_num = int(re.search('(\d+)', pages).group(1))
  for i in range(1, page_num+1):
    print encode('生成第%d頁文章索引'%i)
    if i != 1:
      url = re.sub('(_)\d+(\.html)$', '\g<1>'+str(i)+'\g<2>', url)
      page = getHTML(url)
    article = page.findAll('span', {'class':'atc_title'})
    for art in article:
      art_title = art.a['title']
      art_href = art.a['href']
      articles[art_title] = art_href
  return articles
def blog_dld(articles):
  if not isinstance(articles, dict):
    return False
  print encode('開始下載文章')
  for art_title, art_href in articles.items():
    formatContent(art_href, art_title)
if __name__ == '__main__':
  sel = raw_input(encode('你要下載的是(1)全部文章還是(2)單篇文章,輸入1或者2: '))
  if sel == '1':
    #articlelist_url = 'http://blog.sina.com.cn/s/articlelist_1303481411_0_1.html'
    articlelist_url = raw_input(encode('請輸入博客文章目錄鏈接: '))
    articles = articlelist(articlelist_url)
    blog_dld(articles)
  else:
    #article_url = 'http://blog.sina.com.cn/s/blog_4db18c430100gxc5.html'
    article_url = raw_input(encode('請輸入博客文章鏈接: '))
    formatContent(article_url)

希望本文所述對大家的Python程序設計有所幫助。

延伸 · 閱讀

精彩推薦
主站蜘蛛池模板: 日韩中文字幕视频在线 | 国产成人自拍视频在线 | 久久综合久久88 | 免费中文字幕 | www.色小妹| 国产96在线视频 | 日本中文字幕一区 | 玖玖操 | 99热69| 日韩精品一区二区在线观看 | 欧美精品v国产精品v日韩精品 | 精品国产一区二区三区在线观看 | 午夜久久久久 | 激情久久网 | 久久精品电影网 | 午夜影剧院 | 综合精品| 午夜久久久久久久久久一区二区 | 久久久久久久久久久影视 | 三区影院 | 国产乱叫456 | 精品一区二区免费视频视频 | 国产精品美乳一区二区免费 | 婷婷国产 | 国产精品毛片无码 | 亚洲情在线 | 日韩久久精品一区二区 | 一区二区三区亚洲 | 国产成人av一区 | 日韩视频精品在线 | 黄色无遮挡 | 日本欧美久久久久免费播放网 | 欧美视频中文字幕 | 久久久日本 | 亚洲一区中文字幕在线观看 | 久久国产精品免费 | 久久人人爽爽爽人久久久 | 午夜av一区二区 | 国产精品久久久久久久久久久久久久 | 一区二区免费 | 91福利视频免费 |