Python 一个简单的爬虫代码 #-*-coding:utf-8-*- import urllib2 import urllib import re import thread import time #-----------加载处理糗事百科----------- class Spider_Model: def __init__(self): self.page=1 self.pages=[] self.enable=False # 将所有的段子都扣出来，添加到列表中并且返回列表 def GetPage(self,page): myUrl=""+page user_agent='Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' headers={'User-Agent':user_agent } req=urllib2.Request(myUrl,headers=headers) myResponse=urllib2.urlopen(req) myPage=myResponse.read() #encode的作用是将unicode编码转换成其他编码的字符串 #decode的作用是将其他编码的字符串转换成unicode编码 unicodePage=myPage.decode("utf-8") # 找出所有class="content"的div标记 #re.S是任意匹配模式，也就是.可以匹配换行符 myItems=re.findall('(.*?) ',unicodePage,re.S)items = []for item in myItems:item 中第一个是div的标题，也就是时间item 中第二个是div的内容，也就是内容items.append([item[0].replace("\n",""),item[1].replace("\n","")])return items用于加载新的段子def LoadPage(self):如果用户未输入quit则一直运行while self.enable:如果pages数组中的内容小于2个if len(self.pages) < 2:try:获取新的页面中的段子们myPage = self.GetPage(str(self.page))self.page += 1self.pages.append(myPage)except:print '无法链接糗事百科！'else:time.sleep(1)def ShowPage(self,nowPage,page):for items in nowPage:print u'第%d页' % page , items[0] , items[1]myInput = raw_input()if myInput == "quit":self.enable = Falsebreakdef Start(self):self.enable = Truepage = self.pageprint u'正在加载中请稍候......'新建一个线程在后台加载段子并存储thread.start_new_thread(self.LoadPage,())----------- 加载处理糗事百科 -----------while self.enable:如果self的page数组中存有元素if self.pages:nowPage = self.pages[0]del self.pages[0]self.ShowPage(nowPage,page)page += 1----------- 程序的入口处 -----------print u"""---------------------------------------程序：糗百爬虫版本：0.3作者：why日期：2014-06-03语言：Python 2.7操作：输入quit退出阅读糗事百科功能：按下回车依次浏览今日的糗百热点---------------------------------------"""print u'请按下回车浏览今日的糗百内容：'raw_input(' ')myModel = Spider_Model()myModel.Start()