简单爬虫

import urllib.request  

import re  

  

########################################################  

#  

# fetch函数功能：抓取“陕西建筑招标网”的第一页“招标公告”页面，输出公告名字  

#   

#             参数baseUrl是要访问的网站地址   

#  

########################################################  

  

def fetch(baseUrl):  

  

    # 第1步：模拟浏览器发送请求  

    page = urllib.request.urlopen(baseUrl)

    data = page.read()

    data = data.decode('utf-8')    

  

    # 第2步：页面返回后，利用正则表达式提取想要的内容  

    nameList=[]  

    nameList = re.compile(r'target="_blank" title="(.*?)"',re.DOTALL).findall(data)  

  

    # 第3步：返回在页面上析取的“标题名”  

    return nameList  

      

#######     执行    ########   

if __name__ =="__main__":  

     

    #要抓取的网页地址  

    url = "http://sh.uzai.com/lvyoucn/shandong-r-5113.html?utm_source=baidu&utm_medium=cpc&utm_term=%E5%B1%B1%E4%B8%9C%E6%97%85%E6%B8%B8%E7%BD%91&utm_content=%E5%B1%B1%E4%B8%9C-%E9%80%9A%E7%94%A8&utm_campaign=%E6%96%B0%E4%B8%8A%E6%B5%B7-%E5%9B%BD%E5%86%85-%E5%B1%B1%E4%B8%9C"
 

  

    #存放到名字列表中  

    NameList = fetch(url)  

  

    # 输出 NameList  

    Length = len(NameList)  

    for i in range(0, Length):  
        print("标题名%d:%s\n"%(i+1, NameList[i]))

#将信息保存到doc 文档

f = open("E:/data.doc", "w+")

for i in range(0, len(NameList)):

    f.write(NameList[i] + "\n")

f.close()