使用BeautifulSoup爬取“0daydown”网站的信息（1）

最近发现一个很好的网站，0daydown，资源真的是无时无刻的更新着。资源有哪些呢: windows,mac下的各种工具和软件。各种电子书，包含科技，小说，杂志（居然还有类似花花公子那种），可以看多国外的最新杂志。当然还有音乐，高清电影，还有各种外国最近的IT教程，但是这个百度云下载的话只有网站会员才行，不然只能使用其它链接。还有各个平台下的游戏，PC，Linux，XBOX，PS3等。资源种类真的可以用琳琅满目来形容，而且主要是更新真的很快，一天更新好多。

信息一多，慢慢翻麻烦耗时，而且不是所有信息都想关注。于是谋生了用爬虫爬取自己想要的信息。我目前想关注的信息只有资源类别（比如windows，game,Ebook等），资源标题，发布时间，资源的简介四个东西。看了下网页源码，有规律，解析不难。下面截图是网页截图和网页源码部分信息：

上图中

上图中椭圆圈出的是我想获得的信息，方块圈出的是一个找寻信息的逻辑。通过分析网页源码发现，所有的最新发布的每个资源都在一个article class="excerpt"段落中，我们可以使用find_all找出所有的个article class="excerpt"，然后再在每个里面找寻想要的信息，比如资源类别，可以是article.header.a.next。资源标题是article.h2.string。发布时间是article.p.find('i', class_="icon-time icon12").next。资源简介是article.p.find_next_sibling().string。最后我想获取的是最新发布的10页资源信息，可以用循环实现，因为每个页面的Url很简单，只需在http://www.0daydown.com/page/后面添加页数。比如第二页就是http://www.0daydown.com/page/2.下面是源代码，用BeautifulSoup实现真的超级方便，可能以后会进行拓展，所以当前版本为0.1。

#coding:utf-8
#version: 0.1
#note:实现了查找0daydown最新发布的10页资源。
import urllib.request

from bs4 import BeautifulSoup

for i in range(1,11):
	url = "http://www.0daydown.com/page/" + str(i)	#每一页的Url只需在后面加上整数就行
	page = urllib.request.urlopen(url)
	soup_packtpage = BeautifulSoup(page)
	page.close()
	num = " The Page of: " + str(i)		#标注当前资源属于第几页
	print(num)
	print("#"*40)
	for article in soup_packtpage.find_all('article', class_="excerpt"):	#使用find_all查找出当前页面发布的所有最新资源
		print("Category:".ljust(20), end=''), print(article.header.a.next)   #category
		print("Title:".ljust(20), end=''), print(article.h2.string)       #title    
		print("Pulished_time:".ljust(19), end=''), print(article.p.find('i', class_="icon-time icon12").next)  #published_time
		print("Note:",end=''), print(article.p.find_next_sibling().string)   #note
		print('-'*50)

input() #等待输入，为了不让控制台运行后立即结束。

下面是运行成功效果图：