亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

用python寫的一個wordpress的采集程序

 更新時間:2016年02月27日 22:03:28   作者:運維人生  
在學習python的過程中,經(jīng)過不斷的嘗試及努力,終于完成了第一個像樣的python程序,雖然還有很多需要優(yōu)化的地方,但是目前基本上實現(xiàn)了我所要求的功能,需要的朋友可以參考下

在學習python的過程中,經(jīng)過不斷的嘗試及努力,終于完成了第一個像樣的python程序,雖然還有很多需要優(yōu)化的地方,但是目前基本上實現(xiàn)了我所要求的功能,先貼一下程序代碼:

具體代碼如下:

#! /usr/bin/python
 import os,urllib2,re,time,MySQLdb,sys
 reTitle          = re.compile('<font[^>]*>(.*?)<\/font><font[^>]*')
 reNeiron         = re.compile('[1-9|A-Z|a-z].*')
 retiqu          = re.compile('^(?!MARGINWIDTH|BR).*.[^>|}]$')
 rezhong          = re.compile('^[^[].*')
 shijian=1190944000
 Str1="\\n---------------- BLOG OF YAO"
 bianhao=2859
 for i in range(1,1500):
     Str2=""
     ltime=time.localtime(shijian)
     timeStr=time.strftime("%Y%m%d",ltime)
     url="http://www.jokeswarehouse.com/cgi-bin/viewjoke2.cgi?id=%s" %timeStr
     print url
     a=urllib2.urlopen(url).read()
     Title=reTitle.findall(a)
     print "=========================================================================================================="
     for titles in map(None,Title):
         titles=MySQLdb.escape_string(titles)
         print titles
     Neiron=re.findall(reNeiron,a)
     for i in map(None,Neiron):
         x=re.findall(retiqu,i)
         for str in x:
             str=MySQLdb.escape_string(str)
             Str2 += str+"\\n"
     shijian += 86400
     bianhao += 1
     try:
         conn=MySQLdb.connect("XXXX.XXXX.XXXX.XXXX","user","passwd","dbname",charset="utf8", init_command="set names utf8")
     except MySQLdb.OperationalError,message:
         print "like error"
     cursor=conn.cursor()
     sql="INSERT INTO wp_posts (post_author,post_date,post_date_gmt,post_content,post_content_filtered,post_title,post_excerpt,post_status,post_type,comment_status,ping_status,post_password,post_name,to_ping,pinged,post_modified,post_modified_gmt,post_parent,menu_order,guid) VALUES (\'1\',\'2011-06-01 22:12:25\',\'2011-05-09 04:12:25\',\'\',\'\',\'Auto Draft\',\'\',\'inherit\',\'revision\',\'open\',\'open\',\'\',\'100-revision\',\'\',\'\',\'2011-06-01 22:12:25\',\'2011-05-09 04:12:25\',\'%s\',\'0\',\'\')" %bianhao
     sql2="UPDATE wp_posts SET post_author = 1, post_date = \'2011-06-01 22:12:25\', post_date_gmt = \'2011-06-01 22:12:25\', post_content =\'%s\', post_content_filtered = \'\', post_title = \'%s\', post_excerpt = \'\', post_status = \'publish\', post_type = \'post\', comment_status = \'open\', ping_status = \'open\', post_password = \'\', post_name = \'%s\', to_ping = \'\', pinged = \'\', post_modified = \'2011-06-01 22:12:25\', post_modified_gmt = \'2011-05-09 04:12:30\', post_parent = 0, menu_order = 0, guid = \'http://www.moncleronlineshops.com/?p=%s\' WHERE ID = %s" %(Str2,titles,titles,bianhao,bianhao)
     cursor.execute(sql)
     cursor.execute(sql2)
     cursor.close()
     conn.close()
     sys.exit()

下面,我們來給代碼加些注釋,讓讀者能看的更明白一些,如下:

具體代碼如下

#! /usr/bin/python
 import os,urllib2,re,time,MySQLdb,sys #加載本程序需要調用的相模塊
reTitle          = re.compile('<font[^>]*>(.*?)<\/font> <font[^>]*') # 定義一下取文章標題的正則
reNeiron         = re.compile('[1-9|A-Z|a-z].*') 
 #定義一個取提取文章內容的正則(注:這里提取出來的不是很精細,需要在下面的正則里,再進行提取,這里只是取一個大概)
retiqu          = re.compile('^(?!MARGINWIDTH|BR).*.[^>|}]$')
 #這里定義一個正則,將上面reNeiron提取出來的字符,再進行細化。

shijian=1190944000  #這里字義了一個時間戳,
Str1="\\n---------------- BLOG OF YAO" #這個沒用,開始是準備加到文章里的,后來沒加進去。
bianhao=2859   #這里是wordpress 的文章編號,直接查看wp-posts表的id 字段的最后一個數(shù)字。

for i in range(1,1500): #循環(huán)1500遍,也就是采集1500篇文章。
    Str2="" #先賦值給Str2 空值
    ltime=time.localtime(shijian)  
     timeStr=time.strftime("%Y%m%d",ltime) #這兩句將上面的時間戳改為時間,樣式為19700101這樣的格式
    url="http://www.jokeswarehouse.com/cgi-bin/viewjoke2.cgi?id=%s" %timeStr #定義要采集的網(wǎng)站,將轉化后的時間放在這個url的最后。
    a=urllib2.urlopen(url).read() #將這個網(wǎng)頁的源代碼讀出來,賦值給a;
     Title=reTitle.findall(a)
 #使用 reTitle這個正則提取出標題
    print "=========================================================================================================="
     for titles in map(None,Title): #上面提取出來的標題前后都有一個 [] 
所以我們要寫個for循環(huán)把前后的[]去掉,并轉義成能直接插入mysql庫的格式。
        titles=MySQLdb.escape_string(titles)
     Neiron=re.findall(reNeiron,a) #先用reNeiron,取個大概的內容模型出來。這些都是以逗號分隔的數(shù)組。
    for i in map(None,Neiron): # 我們來循環(huán)讀出Neiron這個數(shù)組里的每個值。
        x=re.findall(retiqu,i)#并用 retiqu這個正則提出精細出的內容。
        for str in x:
             str=MySQLdb.escape_string(str)
             Str2 += str+"\\n"
 #利用這個循環(huán),我們把內容加到一起,并賦值給Str2這個變量,這個 Str2這個變量就是所有的文章內容。
    shijian += 86400 #每循環(huán)一次,就把shijian這個變量加上一天。
    bianhao += 1   #每循環(huán)一次,就把bianhao這個變量加上一
    try:
 #下面是用mysqldb連接數(shù)據(jù)庫,并嘗試連接是否成功。       conn=MySQLdb.connect("XXXX.XXXX.XXXX.XXXX","user","passwd","dbname",charset="utf8", init_command="set names utf8")
     except MySQLdb.OperationalError,message:
         print "like error"
     cursor=conn.cursor()
 #下面是插入wordpress數(shù)據(jù)庫的兩條語句,我是從mysqlbinlog里面導出來的,測試是可以插入數(shù)據(jù)庫,并能正常把內容顯示在網(wǎng)頁的。變量都寫在這兩條語句里。
    sql="INSERT INTO wp_posts (post_author,post_date,post_date_gmt,post_content,post_content_filtered,post_title,post_excerpt,post_status,post_type,comment_status,ping_status,post_password,post_name,to_ping,pinged,post_modified,post_modified_gmt,post_parent,menu_order,guid) VALUES (\'1\',\'2011-06-01 22:12:25\',\'2011-05-09 04:12:25\',\'\',\'\',\'Auto Draft\',\'\',\'inherit\',\'revision\',\'open\',\'open\',\'\',\'100-revision\',\'\',\'\',\'2011-06-01 22:12:25\',\'2011-05-09 04:12:25\',\'%s\',\'0\',\'\')" %bianhao
     sql2="UPDATE wp_posts SET post_author = 1, post_date = \'2011-06-01 22:12:25\', post_date_gmt = \'2011-06-01 22:12:25\', post_content =\'%s\', post_content_filtered = \'\', post_title = \'%s\', post_excerpt = \'\', post_status = \'publish\', post_type = \'post\', comment_status = \'open\', ping_status = \'open\', post_password = \'\', post_name = \'%s\', to_ping = \'\', pinged = \'\', post_modified = \'2011-06-01 22:12:25\', post_modified_gmt = \'2011-05-09 04:12:30\', post_parent = 0, menu_order = 0, guid = \'http://www.moncleronlineshops.com/?p=%s\' WHERE ID = %s" %(Str2,titles,titles,bianhao,bianhao)
     cursor.execute(sql)
     cursor.execute(sql2) #連接數(shù)據(jù)庫并執(zhí)行這兩條語句。
    cursor.close()
     conn.close()  #關閉數(shù)據(jù)庫。
    sys.exit() 

上面是程序的代碼,采集的是:www.jokeswarehouse.com 的一個笑話網(wǎng)站。通過 python 的 re 模塊,也就是正則匹配模塊,運行相應的正則表達式,進行過濾出我們所需要的標題和文章內容,再運用 python 的mysqldb 模塊,進行連接數(shù)據(jù)庫,利用相應的插入語句,進行插入數(shù)據(jù)庫。

相關文章

  • 解決Python保存文件名太長OSError: [Errno 36] File name too lon

    解決Python保存文件名太長OSError: [Errno 36] File 

    這篇文章主要介紹了解決Python保存文件名太長OSError: [Errno 36] File name too lon問題,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-05-05
  • Python圖像處理之模糊圖像判斷

    Python圖像處理之模糊圖像判斷

    這篇文章主要為大家詳細介紹了Python圖像處理中的模糊圖像判斷的實現(xiàn),文中的示例代碼講解詳細,具有一定的借鑒價值,需要的可以參考一下
    2022-12-12
  • Python中實現(xiàn)遠程調用(RPC、RMI)簡單例子

    Python中實現(xiàn)遠程調用(RPC、RMI)簡單例子

    說白了,遠程調用就是將對象名、函數(shù)名、參數(shù)等傳遞給遠程服務器,服務器將處理結果返回給客戶端
    2014-04-04
  • Python生成指定數(shù)量的優(yōu)惠碼實操內容

    Python生成指定數(shù)量的優(yōu)惠碼實操內容

    在本篇文章里小編給大家整理了關于Python生成指定數(shù)量的優(yōu)惠碼的實例內容以及相關代碼,有需要的朋友們學習下。
    2019-06-06
  • python打印直角三角形與等腰三角形實例代碼

    python打印直角三角形與等腰三角形實例代碼

    這篇文章主要給大家介紹了關于python打印直角三角形與等腰三角形的相關資料,文中通過示例代碼介紹的非常詳細,對大家的學習或者使用python具有一定的參考學習價值,需要的朋友們下面來一起學習學習吧
    2019-10-10
  • python?datetime模塊詳解

    python?datetime模塊詳解

    Python中常用于時間的模塊有time、datetime 和 calendar,顧名思義 time 是表示時間(時、分、秒、毫秒)等,calendar 是表示日歷時間的,本章先討論 datetime 模塊,需要的朋友可以參考下
    2022-06-06
  • 通過 Django Pagination 實現(xiàn)簡單分頁功能

    通過 Django Pagination 實現(xiàn)簡單分頁功能

    這篇文章主要介紹了通過 Django Pagination 實現(xiàn)簡單分頁功能,非常不錯,具有一定的參考借鑒價值,需要的朋友可以參考下
    2019-11-11
  • Python字符串字母大小寫轉換的各種情況詳析

    Python字符串字母大小寫轉換的各種情況詳析

    在使用python語言開發(fā)中經(jīng)常會碰到,需要大寫轉小寫,小寫轉換大寫,甚至字符串中的單詞首字母大寫,以及字符串手字字母大寫的問題,下面這篇文章主要給大家介紹了關于Python字符串字母大小寫轉換的相關資料,需要的朋友可以參考下
    2022-05-05
  • 利用python實現(xiàn)xml與數(shù)據(jù)庫讀取轉換的方法

    利用python實現(xiàn)xml與數(shù)據(jù)庫讀取轉換的方法

    這篇文章主要給大家介紹了關于利用python實現(xiàn)xml與數(shù)據(jù)庫讀取轉換的方法,文中通過示例代碼介紹的非常詳細,對大家具有一定的參考學習價值,需要的朋友們下面來一起看看吧。
    2017-06-06
  • Python實戰(zhàn)使用Selenium爬取網(wǎng)頁數(shù)據(jù)

    Python實戰(zhàn)使用Selenium爬取網(wǎng)頁數(shù)據(jù)

    這篇文章主要為大家介紹了Python實戰(zhàn)使用Selenium爬取網(wǎng)頁數(shù)據(jù)示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步早日升職加薪
    2023-05-05

最新評論