Python網頁爬蟲在實際的使用中需要我們注意很多的地方，其實有的東西大家看著難但是在實際操作起來的話都很簡單。下面我們就來學習下如何自己動手編寫一個Python網頁爬蟲。

這個程序因為主頁面鏈接到的頁面都在同一個目錄下，結構很簡單，只有一層。因此寫了一些硬編碼做鏈接地址的分析。
代碼如下：

#!/usr/bin/env python  
# -*- coding: GBK -*-  
import urllib  
from sgmllib import SGMLParser  
class URLLister(SGMLParser):  
def reset(self):  
SGMLParser.reset(self)  
self.urls = []  
def start_a(self, attrs):  
href = [v for k, v in attrs if k == 'href']  
if href:  
self.urls.extend(href)  
url = r'http://www.sinc.sunysb.edu/Clubs/buddhism/JinGangJi
ngShuoShenMo/' 
sock = urllib.urlopen(url)  
htmlSource = sock.read()  
sock.close()  
#print htmlSource  
f = file('jingangjing.html', 'w')  
f.write(htmlSource)  
f.close()  
mypath = r'http://www.sinc.sunysb.edu/Clubs/buddhism/JinGan
gJingShuoShenMo/' 
parser = URLLister()  
parser.feed(htmlSource)  
for url in parser.urls:  
myurl = mypath + url  
print "get: " + myurl  
sock2 = urllib.urlopen(myurl)  
html2 = sock2.read()  
sock2.close()  
# 保存到文件  
print "save as: " + url  
f2 = file(url, 'w')  
f2.write(html2)  
f2.close() 

以上就是對Python網頁爬蟲在編寫過程中的詳細介紹。

【編輯推薦】

1. Python腳本解決在游戲開發(fā)中的困難
2. 簡述Python語言經驗總結
3. Python對象主要特征解析
4. Python顯示UTF-8中文文本具體操作方法講解
5. Python綁定C++程序具體實現方法淺談