香港云主机最佳企业级服务商!

ADSL拨号VPS包含了中国大陆(联通,移动,电信,)

中国香港,国外拨号VPS。

当前位置:云主机 > python >

电信ADSL拨号VPS
联通ADSL拨号VPS
移动ADSL拨号VPS

python抓取最新博客内容并生成Rss


时间:2021-12-08 14:46 作者:admin610456


osc的rss不是全文输出的,不开心,所以就有了python/' target='_blank'>python抓取osc最新博客生成Rss

# -*- coding: utf-8 -*-from bs4 import BeautifulSoupimport urllib2import datetimeimport timeimport PyRSS2Genfrom email.Utils import formatdateimport reimport sysimport osreload(sys)sys.setdefaultencoding('utf-8')class RssSpider(): def __init__(self): self.myrss = PyRSS2Gen.RSS2(title='OSChina',link='http://my.oschina.net',description=str(datetime.date.today()),pubDate=datetime.datetime.now(), lastBuildDate = datetime.datetime.now(),items=[])self.xmlpath=r'/var/www/myrss/oschina.xml'self.baseurl="http://www.oschina.net/blog" #if os.path.isfile(self.xmlpath):#os.remove(self.xmlpath) def useragent(self,url): i_headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64)  AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1985.125 Safari/537.36", "Referer": 'http://baidu.com/'} req = urllib2.Request(url, headers=i_headers) html = urllib2.urlopen(req).read() return html def enterpage(self,url): pattern = re.compile(r'd{4}Sd{2}Sd{2}sd{2}Sd{2}')rsp=self.useragent(url)soup=BeautifulSoup(rsp)timespan=soup.find('div',{'class':'BlogStat'})timespan=str(timespan).strip().replace('n','').decode('utf-8')match=re.search(r'd{4}Sd{2}Sd{2}sd{2}Sd{2}',timespan)timestr=str(datetime.date.today()) if match:timestr=match.group() #print timestrititle=soup.title.stringdiv=soup.find('div',{'class':'BlogContent'})rss=PyRSS2Gen.RSSItem(title=ititle,link=url, description = str(div), pubDate = timestr) return rss def getcontent(self):rsp=self.useragent(self.baseurl)soup=BeautifulSoup(rsp)ul=soup.find('div',{'id':'RecentBlogs'}) for li in ul.findAll('li'):div=li.find('div') if div is not None:alink=div.find('a') if alink is not None:link=alink.get('href') print linkhtml=self.enterpage(link)self.myrss.items.append(html) def SaveRssFile(self,filename):finallxml=self.myrss.to_xml(encoding='utf-8')file=open(self.xmlpath,'w')file.writelines(finallxml)file.close()if __name__=='__main__':rssSpider=RssSpider()rssSpider.getcontent()rssSpider.SaveRssFile('oschina.xml')

以上所述就是本文的全部内容了,希望大家能够喜欢。

(责任编辑:admin)






帮助中心
会员注册
找回密码
新闻中心
快捷通道
域名登录面板
虚机登录面板
云主机登录面板
关于我们
关于我们
联系我们
联系方式

售前咨询:17830004266(重庆移动)

企业QQ:383546523

《中华人民共和国工业和信息化部》 编号:ICP备00012341号

Copyright © 2002 -2018 香港云主机 版权所有
声明:香港云主机品牌标志、品牌吉祥物均已注册商标,版权所有,窃用必究

云官方微信

在线客服

  • 企业QQ: 点击这里给我发消息
  • 技术支持:383546523

  • 公司总台电话:17830004266(重庆移动)
  • 售前咨询热线:17830004266(重庆移动)