在学习python的过程中，经过不断的尝试及努力，终于完成了第一个像样的python程序，虽然还有很多需要优化的地方，但是目前基本上实现了我所要求的功能，先贴一下程序代码：

具体代码如下:

#! /usr/bin/python import os,urllib2,re,time,MySQLdb,sys reTitle = re.compile('<font[^>]*>(.*?)</font><font[^>]*') reNeiron = re.compile('[1-9|A-Z|a-z].*') retiqu = re.compile('^(?!MARGINWIDTH|BR).*.[^>|}]$') rezhong = re.compile('^[^[].*') shijian=1190944000 Str1="n---------------- BLOG OF YAO" bianhao=2859 for i in range(1,1500): Str2="" ltime=time.localtime(shijian) timeStr=time.strftime("%Y%m%d",ltime) url="http://www.jokeswarehouse.com/cgi-bin/viewjoke2.cgi" %timeStr print url a=urllib2.urlopen(url).read() Title=reTitle.findall(a) print "==========================================================================================================" for titles in map(None,Title): titles=MySQLdb.escape_string(titles) print titles Neiron=re.findall(reNeiron,a) for i in map(None,Neiron): x=re.findall(retiqu,i) for str in x: str=MySQLdb.escape_string(str) Str2 += str+"n" shijian += 86400 bianhao += 1 try: conn=MySQLdb.connect("XXXX.XXXX.XXXX.XXXX","user","passwd","dbname",charset="utf8", init_command="set names utf8") except MySQLdb.OperationalError,message: print "like error" cursor=conn.cursor() sql="INSERT INTO wp_posts (post_author,post_date,post_date_gmt,post_content,post_content_filtered,post_title,post_excerpt,post_status,post_type,comment_status,ping_status,post_password,post_name,to_ping,pinged,post_modified,post_modified_gmt,post_parent,menu_order,guid) VALUES ('1','2011-06-01 22:12:25','2011-05-09 04:12:25','','','Auto Draft','','inherit','revision','open','open','','100-revision','','','2011-06-01 22:12:25','2011-05-09 04:12:25','%s','0','')" %bianhao sql2="UPDATE wp_posts SET post_author = 1, post_date = '2011-06-01 22:12:25', post_date_gmt = '2011-06-01 22:12:25', post_content ='%s', post_content_filtered = '', post_title = '%s', post_excerpt = '', post_status = 'publish', post_type = 'post', comment_status = 'open', ping_status = 'open', post_password = '', post_name = '%s', to_ping = '', pinged = '', post_modified = '2011-06-01 22:12:25', post_modified_gmt = '2011-05-09 04:12:30', post_parent = 0, menu_order = 0, guid = 'http://www.moncleronlineshops.com/?p=%s' WHERE ID = %s" %(Str2,titles,titles,bianhao,bianhao) cursor.execute(sql) cursor.execute(sql2) cursor.close() conn.close() sys.exit()

下面，我们来给代码加些注释，让读者能看的更明白一些，如下：

具体代码如下

#! /usr/bin/python import os,urllib2,re,time,MySQLdb,sys #加载本程序需要调用的相模块 reTitle = re.compile('<font[^>]*>(.*?)</font> <font[^>]*') # 定义一下取文章标题的正则 reNeiron = re.compile('[1-9|A-Z|a-z].*') #定义一个取提取文章内容的正则(注：这里提取出来的不是很精细，需要在下面的正则里，再进行提取，这里只是取一个大概) retiqu = re.compile('^(?!MARGINWIDTH|BR).*.[^>|}]$') #这里定义一个正则，将上面reNeiron提取出来的字符，再进行细化。 shijian=1190944000 #这里字义了一个时间戳， Str1="n---------------- BLOG OF YAO" #这个没用，开始是准备加到文章里的，后来没加进去。 bianhao=2859 #这里是wordpress 的文章编号，直接查看wp-posts表的id 字段的最后一个数字。 for i in range(1,1500): #循环1500遍，也就是采集1500篇文章。 Str2="" #先赋值给Str2 空值 ltime=time.localtime(shijian) timeStr=time.strftime("%Y%m%d",ltime) #这两句将上面的时间戳改为时间，样式为19700101这样的格式 url="http://www.jokeswarehouse.com/cgi-bin/viewjoke2.cgi" %timeStr #定义要采集的网站，将转化后的时间放在这个url的最后。 a=urllib2.urlopen(url).read() #将这个网页的源代码读出来，赋值给a; Title=reTitle.findall(a) #使用 reTitle这个正则提取出标题 print "==========================================================================================================" for titles in map(None,Title): #上面提取出来的标题前后都有一个 [] 所以我们要写个for循环把前后的[]去掉，并转义成能直接插入mysql库的格式。 titles=MySQLdb.escape_string(titles) Neiron=re.findall(reNeiron,a) #先用reNeiron，取个大概的内容模型出来。这些都是以逗号分隔的数组。 for i in map(None,Neiron): # 我们来循环读出Neiron这个数组里的每个值。 x=re.findall(retiqu,i)#并用 retiqu这个正则提出精细出的内容。 for str in x: str=MySQLdb.escape_string(str) Str2 += str+"n" #利用这个循环，我们把内容加到一起，并赋值给Str2这个变量，这个Str2这个变量就是所有的文章内容。 shijian += 86400 #每循环一次，就把shijian这个变量加上一天。 bianhao += 1 #每循环一次，就把bianhao这个变量加上一 try: #下面是用mysqldb连接数据库，并尝试连接是否成功。 conn=MySQLdb.connect("XXXX.XXXX.XXXX.XXXX","user","passwd","dbname",charset="utf8", init_command="set names utf8") except MySQLdb.OperationalError,message: print "like error" cursor=conn.cursor() #下面是插入wordpress数据库的两条语句，我是从mysqlbinlog里面导出来的，测试是可以插入数据库，并能正常把内容显示在网页的。变量都写在这两条语句里。 sql="INSERT INTO wp_posts (post_author,post_date,post_date_gmt,post_content,post_content_filtered,post_title,post_excerpt,post_status,post_type,comment_status,ping_status,post_password,post_name,to_ping,pinged,post_modified,post_modified_gmt,post_parent,menu_order,guid) VALUES ('1','2011-06-01 22:12:25','2011-05-09 04:12:25','','','Auto Draft','','inherit','revision','open','open','','100-revision','','','2011-06-01 22:12:25','2011-05-09 04:12:25','%s','0','')" %bianhao sql2="UPDATE wp_posts SET post_author = 1, post_date = '2011-06-01 22:12:25', post_date_gmt = '2011-06-01 22:12:25', post_content ='%s', post_content_filtered = '', post_title = '%s', post_excerpt = '', post_status = 'publish', post_type = 'post', comment_status = 'open', ping_status = 'open', post_password = '', post_name = '%s', to_ping = '', pinged = '', post_modified = '2011-06-01 22:12:25', post_modified_gmt = '2011-05-09 04:12:30', post_parent = 0, menu_order = 0, guid = 'http://www.moncleronlineshops.com/?p=%s' WHERE ID = %s" %(Str2,titles,titles,bianhao,bianhao) cursor.execute(sql) cursor.execute(sql2) #连接数据库并执行这两条语句。 cursor.close() conn.close() #关闭数据库。 sys.exit()

上面是程序的代码，采集的是：www.jokeswarehouse.com 的一个笑话网站。通过 python 的 re 模块，也就是正则匹配模块，运行相应的正则表达式，进行过滤出我们所需要的标题和文章内容，再运用 python 的mysqldb 模块，进行连接数据库，利用相应的插入语句，进行插入数据库。

【用python写的一个wordpress的采集程序】相关文章：

★ python删除文件示例分享

★ python冒泡排序算法的实现代码

★ python 判断一个进程是否存在

★ 让python的Cookie.py模块支持冒号做key的方法

★ Python写的一个简单DNS服务器实例

★ python实现多线程采集的2个代码例子

★ pycharm 使用心得（九）解决No Python interpreter selected的问题

★ python读写文件操作示例程序

★ 用Python写的图片蜘蛛人代码

★ 使用wxpython实现的一个简单图片浏览器实例