[Python]簡單抓取百度blog

#coding=utf8#graptest1.py  python2.7 2013.4.5'''單頁裡的列表匹配，單線程下載，html檔案格式  完成一個原型 regex寫的很爛。。'''import urllib,urllib2import re,codecsurl =r'http://hi.baidu.com'user = r'/lzz847915049'page = urllib2.urlopen(url+user)print url+userpagecontent = page.read().decode('utf8')r = r'<a href="([/a-zA-Z0-9]*?)" class="a-incontent a-title cs-contentblock-hoverlink"\starget=_blank>(.*?)</a>'res = re.findall(r,pagecontent)  #匹配到當前頁的所有的文章的urlfor i in res:    print i[0],i[1]     onepage = urllib2.urlopen(url+i[0])    onepagecont = onepage.read().decode('utf8')    filename=i[1]+'.html'    f = codecs.open(filename,'w','utf-8') #預設當前路徑了，使用codecs模組解決編碼問題    f.write(onepagecont)    f.close()    print i[1],u'下載完成' 

研究了下別人的代碼，寫了一個最簡單的模型，記錄下