# coding:utf8from baidu import url_manager,html_downloader,html_parser,html_outputerclass SpiderMain(object):? ? def __int__(self):? ? ? ? self.urls = url_mansger.UrlManager()? ? ? ? self.downloader = htaml_downloader.HtmlDownloader()? ? ? ? self.parser = html_parser.HtmlParser()? ? ? ? self.outputer = htaml_outputer.HtmlOutputer()? ? def craw(self,root_url):? ? ? ? count = 1? ? ? ? self.urls.add_new_url(root_url)? ? ? ? while self.urls.has_new_url():? ? ? ? ? ? try:? ? ? ? ? ? ? ? new_url = self.urls.get_new_url()? ? ? ? ? ? ? ? print 'craw %d : %s' % (count,new_url)? ? ? ? ? ? ? ? html_cont = self.downloader.download(new_url)? ? ? ? ? ? ? ? new_url,new_data = self.parser.parser(new_url,html_cont)? ? ? ? ? ? ? ? self.urls.add_new_url(new_urls)? ? ? ? ? ? ? ? self.outputer.collect_data(new_data)? ? ? ? ? ? ? ? if count == 1000:? ? ? ? ? ? ? ? ? ? break? ? ? ? ? ? ? ? count = count + 1? ? ? ? ? ? except:? ? ? ? ? ? ? ? ?print 'craw failed'? ? ? ? self.outputer.output_html()if __name__=="__main__":? ? root_url = "http://http://baike.baidu.com/view/21087.htm"? ? obj_spider = SpiderMain()? ? obj_spider.craw(root_url)—————————分———————割———————線————————————# coding:utf8class UrlManager(object):? ? def __int__(self):? ? ? ? self.new_urls = set()? ? ? ? self.old_urls = set()? ? def add_new_url(self):? ? ? ? if url is None:? ? ? ? ? ? return? ? ? ? if url not in self.new_urls and url not in self.old_urls:? ? ? ? ? ? self.new_urls.add(url)? ? def add_new_urls(self):? ? ? ? if urls is None or len(urls) ?== 0:? ? ? ? ? ? return? ? ? ? for url in urls:? ? ? ? ? ? self.add_new_url()? ? def has_new_url(self):? ? ? ? return ?len(self.new_urls) !=0? ? def get_new_url(self):? ? ? ? new_url = self.new_urls.pop()? ? ? ? self.old_urls.add(new_url)? ? ? ? return new_url—————————分———————割———————線————————————# coding:utf8class HtmlDownloader(object):? ? def download(self,url):? ? ? ? if url is None:? ? ? ? ? ? return None? ? ? ? response = urllib2.urlopen(url)? ? ? ? if response.getcode() != 200:? ? ? ? ? ? return None? ? ? ? return response.read()—————————分———————割———————線————————————# coding:utf8class HtmlParser(object):? ? def _get_new_urls(self,page_url,soup):? ? ? ? new_urls = set()? ? ? ? links = soup.find_all('a',href=re.compile(r"/view/\d+\.htaml"))? ? ? ? for link in links? ? ? ? ? ? new_url = link['href']? ? ? ? ? ? new_full_url = urlparse.urljoin(page_url,new_url)? ? ? ? return new_urls? ? def _get_new_data(self,page_url,soup):? ? ? ? res_data = {}? ? ? ? res_data['url'] = page_url? ? ? ? #<dd class="lemmaWgt-lemmaTitle-title"><h1>Python</h1>? ? ? ? title_node = soup.find('dd',class="lemmaWgt-lemmaTitle-title").find("h1")? ? ? ? res_data['title'] = title_node.get_text()? ? ? ? summary_node = soup.find('div',class_="lemma-summary")? ? ? ? res_data['summary'] = summary_node.get_text()? ? ? ? return res_data? ? def parse(self,page_url,html_cont):? ? ? ? if page_url is None or htaml_cont is None:? ? ? ? ? ? return? ? ? ? soup = BeatuifulSoup(html_cont,'html.parser',from_encoding='utf-8')? ? ? ? new_urls = self._get_new_urls(page_url,soup)? ? ? ? new_data = self._get_new_data(page_url,soup)? ? ? ? return new_urls,new_data—————————分———————割———————線————————————# coding:utf8class HtmlOutputerr(object):? ? def __int__(self):? ? ? ? self.datas = []? ? def collect_data(self,data):? ? ? ? if data is None:? ? ? ? ? ? return? ? ? ? self.datas.append(data)? ? def output_html(self):? ? ? ? fout = open('output.html','w')? ? ? ? fout.write("<html>")? ? ? ? fout.write("<body>")? ? ? ? fout.write("<table>")? ? ? ? for data in self.datas:? ? ? ? ? ? fout.write("<tr>")? ? ? ? ? ? fout.write("<tr>%s</td>" % data['data'])? ? ? ? ? ? fout.write("<td>%s</td>" % data['title'].encode('utf=8'))? ? ? ? ? ? fout.write("<td>%s</td>" % data['summary'].encode('utf=8'))? ? ? ? ? ? fout.write("</tr>")? ? ? ? fout.write("</table>")? ? ? ? fout.write("</body>")? ? ? ? fout.write("</table>")
已解決430363個問題，去搜搜看，總會有你想問的