• 手机版

    扫码体验手机版

  • 微信公众号

    扫码关注公众号

国内首家协议开发

软芯音视解码保护平台

在线
客服

发布
需求

在线
聊天

天盟
APP

天盟APP下载

关注
微信

微信扫一扫访问
顶部

出现SyntaxError: invalid syntax(语法解析失败)

# coding:utf8


from baidu import url_manager,html_downloader,html_parser,html_outputer


class 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———————线————————————


# coding:utf8


class 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———————线————————————


# coding:utf8


class 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———————线————————————


# coding:utf8


class 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


        #Python


        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———————线————————————


# coding:utf8


class 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("")
        fout.write("")
        fout.write("")


        for data in self.datas:
            fout.write("")
            fout.write("%s" % data['data'])
            fout.write("%s" % data['title'].encode('utf=8'))
            fout.write("%s" % data['summary'].encode('utf=8'))
            fout.write("")


        fout.write("")
        fout.write("")
        fout.write("[/table]")
135003xw6mvrr8k8mlrrm1.jpg

免责声明:本内容仅代表回答会员见解不代表天盟观点,请谨慎对待。

版权声明:作者保留权利,不代表天盟立场。

使用道具 举报

发新帖

发布任务需求已有1031166位用户正在使用天盟网服务

发布分类: *
任务预算: *
需求内容: *
手机号码: *
任务商家报价为
  • 预算价 :
  • 成交价 :
  • 完工期 :
  • 质保期 :

* 最终任务项目以服务商报价、双方协商为准!