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.py import urllib2,re import sys def getHtml(url,time=10): response = urllib2.urlopen(url,timeout=time) html = response.read() response.close() return html def 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 html if __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 id="[d]+">(.*?)</h1>' content_reg = r'<div>(.*?)</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。
【python采集百度百科的方法】相关文章：
★ python中使用urllib2伪造HTTP报头的2个方法