zoukankan      html  css  js  c++  java
  • python,抓取百度搜索结果

    # coding=utf-8
    
    import urllib2
    import re
    from datetime import *
    import time
    
    input_string=raw_input()
    url='http://www.baidu.com/s?wd=%s' %input_string
    content = urllib2.urlopen(url).read()
    content=content.replace('\n','').replace('</table> <div','')
    temp=re.findall(r'(?<=id="\d").*?</table>|(?<=id="10").*?</table>',content)
    
    def save(i):
        try:
            title=re.findall(r'<h3.*?<\/h3>',temp[i])
            a=re.compile('<.*?>')
            title=a.sub('',title[0])
            print title
            introduce=re.findall(r'(?<=<\/h3>).*?(?=<br>)',temp[i])
            a=re.compile('<.*?>|共\d+?次编辑')
            introduce=a.sub('',''.join(introduce))
            print introduce
            weburl=re.findall(r'(?<=href=").*?(?=")',temp[i])
            del weburl[1:]
            print ''.join(weburl)
            dates=''.join(re.findall(r'(?<!\d)\d{4}-\d\d?-\d\d?',temp[i]))
            dates=dates.split('-')
            dates = date(int(dates[0]),int(dates[1]),int(dates[2]))  
            print dates.isoformat()
            print '\n'
        except:
            print None
    
       
    if __name__=="__main__":
        for i in range(0,10):
            save(i)
  • 相关阅读:
    java嵌套循环练习
    java菜鸡循环练习
    Kruskal重构树
    狄利克雷卷积
    莫比乌斯反演
    两道趣题
    树状数组
    多重背包
    SPFA与差分约束
    快速线性筛
  • 原文地址:https://www.cnblogs.com/lvxiuquan/p/2585135.html
Copyright © 2011-2022 走看看