Python实现简单的爬虫获取某刀网的更新数据

昨天晚上无聊时，想着练习一下Python所以写了一个小爬虫获取小刀娱乐网里的更新数据

1. #!/usr/bin/python
2. # coding: utf-8
3. import urllib.request
4. import re
5. #定义一个获取网页源码的子程序
6. head = "www.xiaodao.la"
7. def get():
8. data = urllib.request.urlopen('http://www.xiaodao.la').read()
9. #解码并去除无用文字
10. str = data.decode("gbk").replace(r"font-weight:bold;","").replace(r" ","").replace(" ","").replace(" ","").replace("\r\n","").replace("#FF0000","#000000").strip()
11. return str[str.find("好卡售"):str.find("20160303184868786878.gif")]#返回指定内容
12. #获取一次网页源码并赋值给str
13. str = get();
14. #print(str)
15. #定义正则表达式
16. #reg = r'href="(.*?)"style="color:#000000;"title="(.*?)"target="_blank">'
17. reg = r'href="(.*?)"style="color:#000000;"title="(.*?)"target="_blank">(.*?)</a></div></td><tdwidth=12.5%align=rightnowrap=nowrapstyle="color:#F00;">(.*?)</td>'
18. tmp = re.compile(reg);#创建正则表达式
19. list = re.findall(tmp,str);#正则表达式匹配
20. list = tuple(list)#转换类型
21. print("一共匹配到%d个"%(len(list)))#输出匹配数量
22. #print(list)
23. for i in range(len(list)):
24. print("当前第%d个:"%(i+1))
25. print("标题:%s\n地址:%s更新时间:%s\n"%(list[i][1],head + list[i][0],list[i][3]))