使用Python写的第一个网络爬虫程序

标签：python   正则表达式   中文匹配   网络爬虫   

今天尝试使用python写一个网络爬虫代码，主要是想访问某个网站，从中选取感兴趣的信息，并将信息按照一定的格式保存早Excel中。

此代码中主要使用到了python的以下几个功能，由于对python不熟悉，把代码也粘贴在下面。

1， 使用url打开网站网页

import urllib2

data = urllib2.urlopen(string_full_link).read().decode('utf8')

print data

import re

#一般的英文匹配
reg = """a href=\S* target='_blank' title=\S*"""
dicList = re.compile(reg).findall(data)
print dicList

#中文的正则匹配，需要使用中文对应的unicode码
reg=u"\u5730\u5740\S*"      #“地址”对应的 unicode code
addrList = re.compile(reg).findall(sub_data)

print addrList

import xlrd
import xlwt

        file = xlwt.Workbook()
        table = file.add_sheet('hk', cell_overwrite_ok=True)
        print index, name, addr, tel
        table.write(index, 0, name)
        table.write(index, 1, addr)
        table.write(index, 2, tel)
        
        file.save("""D:\\test.xls""")

使用Python写的第一个网络爬虫程序

标签：python   正则表达式   中文匹配   网络爬虫   

原文地址：http://blog.csdn.net/wlqingwei/article/details/46331809