本文实例讲述了python采集百度百科的方法。分享给大家供大家参考。具体如下：

#!/usr/bin/python
# -*- coding: utf-8 -*-
#encoding=utf-8 
#Filename:get_baike.py
import urllib2,re
import sys
def getHtml(url,time=10):
 response = urllib2.urlopen(url,timeout=time)
 html = response.read()
 response.close()
 return html
def clearBlank(html):
 if len(html) == 0 : return ''
 html = re.sub('\r|\n|\t','',html)
 while html.find(" ")!=-1 or html.find(' ')!=-1 :
  html = html.replace(' ',' ').replace(' ',' ')
 return html
if __name__ == '__main__':
  html = getHtml('http://baike.baidu测试数据/view/4617031.htm',10)
  html = html.decode('gb2312','replace').encode('utf-8') #转码
  title_reg = r'
(.*?) '
  content_reg = r'
(.*?)
'
  title = re测试数据pile(title_reg).findall(html)
  content = re测试数据pile(content_reg).findall(html)
  title[0] = re.sub(r' ]*?>', '', title[0])
  content[0] = re.sub(r' ]*?>', '', content[0])
  print title[0]
  print '#######################'
  print content[0]

 

希望本文所述对大家的Python程序设计有所帮助。

查看更多关于python采集百度百科的方法的详细内容...