python脚本爬取今日百度热点新闻
2016-07-25 23:01
399 查看
目标:
python脚本爬取今日百度热点新闻知识点:
python3使用 urllib.request.urlopen 去打开一个特定网址中文可以加 decode(‘gbk’) 来避免乱码
re.S 用来解决跨行匹配的问题,用法: re.compile(pattern, re.S)
代码
import urllib.request import re url = 'http://news.baidu.com/' content = urllib.request.urlopen(url).read().decode('gbk') #Example: #<li class="hdline0"> #<i class="dot"></i> #<strong> #<a href="http://china.huanqiu.com/article/2016-07/9209287.html?from=bdwz " target="_blank" class="a3" mon="ct=1&a=1&c=top&pn=0">xxx:扶贫工作不搞层层加码</a> #</strong> #</li> pattern = re.compile('<li class="hd.*?<strong>.*?<a.*?>(.*?)</a>.*?strong>', re.S) hotNews = re.findall(pattern, content) for i in hotNews: print(i)
百度热点新闻
脚本执行结果
相关文章推荐
- Python动态类型的学习---引用的理解
- Python3写爬虫(四)多线程实现数据爬取
- 垃圾邮件过滤器 python简单实现
- 下载并遍历 names.txt 文件,输出长度最长的回文人名。
- install and upgrade scrapy
- Scrapy的架构介绍
- Centos6 编译安装Python
- 使用Python生成Excel格式的图片
- 让Python文件也可以当bat文件运行
- [Python]推算数独
- 爬虫笔记
- Python中zip()函数用法举例
- Python中map()函数浅析
- 房产界已上市和IPO路上的难兄难弟:房天下与房多多
- Python将excel导入到mysql中
- 利用百度地图提供的API做的应用
- python中静态方法和类方法的区别