python简单抓取糗事百科的内容

!/usr/bin/env python

-- coding: utf-8 --

抓取糗事百科的html

import urllib
import urllib2
import re

page = 1
url = 'http://www.qiushibaike.com/hot/page/' + str(page)
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
headers = {'User-Agent': user_agent}
try:
    request = urllib2.Request(url, headers=headers)
    response = urllib2.urlopen(request)
    content = response.read().decode('utf-8')
    # 匹配
的节点下的html ,里面标签为
里面的内容，匹配到"content">里面的 内容到
截止，下一个div里面的class==number的数值,和下一个div节点的评论的div class =main-text的评论的内容
    pattern = re.compile('
.*?
(.*?)
.*?"content">(.*?)
.*?number">(.*?)(.*?).*?"main-text">(.*?)

', re.S) items = re.findall(pattern, content) # 分别对应的是 昵称，标题，好笑数，评论数,评论的内容 for item in items: print item[0], item[1], item[2], item[3], item[4] except urllib2.URLError, e: if hasattr(e, "code"): print e.code if hasattr(e, "reason"): print e.reason