Python是一款功能強(qiáng)大的計(jì)算機(jī)程序語(yǔ)言，同時(shí)也可以被看做是一款面向?qū)ο蟮耐ㄓ眯驼Z(yǔ)言。它的功能特點(diǎn)比較突出，極大的方便開(kāi)發(fā)人員應(yīng)用。在這里我們先來(lái)一起了解一下有關(guān)Python市縣網(wǎng)頁(yè)爬蟲的方法。

今天看到一個(gè)網(wǎng)頁(yè)，又因?yàn)樵诩依镉秒娫捑€上網(wǎng)，一直在線閱讀很麻煩。所以就寫了個(gè)簡(jiǎn)單的程序把網(wǎng)頁(yè)抓下來(lái)離線閱讀，省點(diǎn)電話費(fèi)：）這個(gè)程序因?yàn)橹黜?yè)面鏈接到的頁(yè)面都在同一個(gè)目錄下，結(jié)構(gòu)很簡(jiǎn)單，只有一層。因此寫了一些硬編碼做鏈接地址的分析。

Python實(shí)現(xiàn)網(wǎng)頁(yè)爬蟲代碼如下：

#!/usr/bin/env python  
# -*- coding: GBK -*-  
import urllib  
from sgmllib import SGMLParser  
class URLLister(SGMLParser):  
def reset(self):  
SGMLParser.reset(self)  
self.urls = []  
def start_a(self, attrs):  
href = [v for k, v in attrs if k == 'href']  
if href:  
self.urls.extend(href)  
url = r'http://www.sinc.sunysb.edu/Clubs/buddhism/JinGangJingShuoShenMo/' 
sock = urllib.urlopen(url)  
htmlSource = sock.read()  
sock.close()  
#print htmlSource  
f = file('jingangjing.html', 'w')  
f.write(htmlSource)  
f.close()  
mypath = r'http://www.sinc.sunysb.edu/Clubs/buddhism/JinGangJingShuoShenMo/' 
parser = URLLister()  
parser.feed(htmlSource)  
for url in parser.urls:  
myurl = mypath + url  
print "get: " + myurl  
sock2 = urllib.urlopen(myurl)  
html2 = sock2.read()  
sock2.close()  
# 保存到文件  
print "save as: " + url  
f2 = file(url, 'w')  
f2.write(html2)  
f2.close() 

以上就是我們?yōu)榇蠹医榻B的有關(guān)Python實(shí)現(xiàn)網(wǎng)頁(yè)爬蟲的實(shí)現(xiàn)方法。

【編輯推薦】

1. 深度講述Python標(biāo)準(zhǔn)語(yǔ)言特性
2. 深度剖析Python語(yǔ)言?shī)W秘
3. 探秘簡(jiǎn)單強(qiáng)大的Python語(yǔ)言
4. 對(duì)Python測(cè)試問(wèn)題全解析
5. 幾分鐘教會(huì)您Python程序配置問(wèn)題