jb51上面的资源还比较全，就准备用python来实现自动采集信息，与下载啦。
Python具有丰富和强大的库，使用urllib，re等就可以轻松开发出一个网络信息采集器！
下面，是我写的一个实例脚本，用来采集某技术网站的特定栏目的所有电子书资源，并下载到本地保存！
软件运行截图如下：
在脚本运行时期，不但会打印出信息到shell窗口，还会保存日志到txt文件，记录采集到的页面地址，书籍的名称，大小，服务器本地下载地址以及百度网盘的下载地址！
实例采集并下载创新互联成都网站设计公司的python栏目电子书资源：
# -*- coding:utf-8 -*-
import re
import urllib2
import urllib
import sys
import os
reload(sys)
sys.setdefaultencoding('utf-8')
def getHtml(url):
request = urllib2.Request(url)
page = urllib2.urlopen(request)
htmlcontent = page.read()
#解决中文乱码问题
htmlcontent = htmlcontent.decode('gbk', 'ignore').encode("utf8",'ignore')
return htmlcontent
def report(count, blockSize, totalSize):
percent = int(count*blockSize*100/totalSize)
sys.stdout.write("r%d%%" % percent + ' complete')
sys.stdout.flush()
def getBookInfo(url):
htmlcontent = getHtml(url);
#print "htmlcontent=",htmlcontent; # you should see the ouput html
#crifan
regex_title = '(?P.+?)</h2>';
title = re.search(regex_title, htmlcontent);
if(title):
title = title.group("title");
print "书籍名字:",title;
file_object.write('书籍名字:'+title+'r');
#<li>书籍大小：<span itemprop="fileSize">27.2MB</span></li>
filesize = re.search('<spans+?itemprop="fileSize">(?P<filesize>.+?)</span>', htmlcontent);
if(filesize):
filesize = filesize.group("filesize");
print "文件大小:",filesize;
file_object.write('文件大小:'+filesize+'r');
#<div class="picthumb"><a href="//img.jbzj.com/do/uploads/litimg/151210/1A9262GO2.jpg" target="_blank"
bookimg = re.search('<divs+?class="picthumb"><a href="(?P<bookimg>.+?)" rel="external nofollow" target="_blank"', htmlcontent);
if(bookimg):
bookimg = bookimg.group("bookimg");
print "封面图片：",bookimg;
file_object.write('封面图片:'+bookimg+'r');
#<li><a href="http://xz6.jb51.net:81/201512/books/JavaWeb100(jb51.net).rar" target="_blank">酷云中国电信下载</a></li>
downurl1 = re.search('<li><a href="(?P<downurl1>.+?)" rel="external nofollow" target="_blank">酷云中国电信下载</a></li>', htmlcontent);
if(downurl1):
downurl1 = downurl1.group("downurl1");
print "下载地址1:",downurl1;
file_object.write('下载地址1:'+downurl1+'r');
sys.stdout.write('rFetching ' + title + '...n')
title = title.replace(' ', '');
title = title.replace('/', '');
saveFile = '/Users/superl/Desktop/pythonbook/'+title+'.rar';
if os.path.exists(saveFile):
print "该文件已经下载了！";
else:
urllib.urlretrieve(downurl1, saveFile, reporthook=report);
sys.stdout.write("rDownload complete, saved as %s" % (saveFile) + 'nn')
sys.stdout.flush()
file_object.write('文件下载成功!r');
else:
print "下载地址1不存在";
file_error.write(url+'r');
file_error.write(title+"下载地址1不存在!文件没有自动下载！r");
file_error.write('r');
#<li><a href="http://pan.baidu.com/s/1pKfVNwJ" rel="external nofollow" target="_blank">百度网盘下载2</a></li>
downurl2 = re.search('</a></li><li><a href="(?P<downurl2>.+?)" rel="external nofollow" target="_blank">百度网盘下载2</a></li>', htmlcontent);
if(downurl2):
downurl2 = downurl2.group("downurl2");
print "下载地址2:",downurl2;
file_object.write('下载地址2:'+downurl2+'r');
else:
#file_error.write(url+'r');
print "下载地址2不存在";
file_error.write(title+"下载地址2不存在r");
file_error.write('r');
file_object.write('r');
print "n";
def getBooksUrl(url):
htmlcontent = getHtml(url);
#<ul class="cur-cat-list"><a href="/books/438381.html" rel="external nofollow" class="tit"</ul></div><!--end #content -->
urls = re.findall('<a href="(?P<urls>.+?)" rel="external nofollow" class="tit"', htmlcontent);
for url in urls:
url = "//www.jb51.net"+url;
print url+"n";
file_object.write(url+'r');
getBookInfo(url)
#print "url->", url
if __name__=="__main__":
file_object = open('/Users/superl/Desktop/python.txt','w+');
file_error = open('/Users/superl/Desktop/pythonerror.txt','w+');
pagenum = 3;
for pagevalue in range(1,pagenum+1):
listurl = "//www.jb51.net/ books/list476_%d.html"%pagevalue;
print listurl;
file_object.write(listurl+'r');
getBooksUrl(listurl);
file_object.close();
file_error.close();</pre><p align=center>另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、<a href="https://www.cdcxhl.com/gaofang/" target="_blank">高防服务器</a>、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。</p> <br>
网站标题：使用python采集脚本之家电子书资源并自动下载到本地的实例脚本-创新互联 <br>
文章链接：<a href="http://bzwzjz.com/article/dijhco.html">http://bzwzjz.com/article/dijhco.html</a>
</div>
</div>
<div class="other">
<h3>其他资讯</h3>
<ul>
<li>
<a href="/article/ijjihp.html">分布式缓存：缓存雪崩+缓存穿透+缓存预热+缓存更新+缓存降级</a>
</li><li>
<a href="/article/ijjgdo.html">jquery对象访问的方法是什么</a>
</li><li>
<a href="/article/ijjiho.html">如何正确的使用mint-ui时间插件</a>
</li><li>
<a href="/article/ijjiji.html">mysql数据库中Update更新语句的用法</a>
</li><li>
<a href="/article/ijjgod.html">MetakineDecomposeforMac是一款什么工具</a>
</li> </ul>
</div>
</div>
<div class="footer2">
Copyright © 2007-2020 广东宝晨空调科技有限公司 All Rights Reserved 粤ICP备2022107769号 <br />友情链接：
<a href="http://www.cdkjz.cn/" target="_blank">高端网站设计 </a><a href="http://chengdu.kswsj.cn/" target="_blank">高端网站设计推广 </a><a href="https://www.cdcxhl.com/shop.html" target="_blank">商城网站建设 </a><a href="http://chengdu.kswjz.com/" target="_blank">成都网站制作 </a><a href="https://www.cdxwcx.com/wangzhan/mbqiye.html" target="_blank">成都企业网站制作 </a><a href="http://chengdu.xwcx.net/mobile/" target="_blank">手机网站建设套餐 </a><a href="http://m.cdxwcx.com/" target="_blank">成都网站建设 </a><a href="http://www.cxjianzhan.com/" target="_blank">成都网站建设公司 </a><a href="http://chengdu.cdxwcx.cn/wangzhan/" target="_blank">手机网站制作 </a><a href="http://chengdu.kswjz.com/" target="_blank">成都网站建设 </a><a href="http://m.cdcxhl.cn/seo/" target="_blank">成都网站建设 </a><a href="http://chengdu.cdcxhl.cn/" target="_blank">成都网站设计 </a><a href="http://www.cqcxhl.com/" target="_blank">重庆网站建设 </a><a href="http://www.bzwzjz.com/" target="_blank">专业网站建设 </a><a href="http://www.wjzwz.com/" target="_blank">温江网站设计 </a><a href="https://www.cdcxhl.com/xiangyingshi.html" target="_blank">响应式网站设计 </a><a href="http://www.kswsj.com/" target="_blank">成都网站建设 </a><a href="http://www.lzwzjz.cn/" target="_blank">泸州网站建设 </a><a href="http://www.cqcxhl.com/service/ds.html" target="_blank">重庆电商网站建设 </a><a href="http://chengdu.cdcxhl.cn/qiye/" target="_blank">成都企业网站建设公司 </a><a href="http://chengdu.cdcxhl.cn/jianshe/" target="_blank">成都网站建设公司 </a><a href="http://m.cdcxhl.cn/H5/" target="_blank">响应式网站建设 </a></div>
</body>
</html>
<script src="/Public/Home/js/wow.min.js"></script>
<script>
if (!(/msie [6|7|8|9]/i.test(navigator.userAgent))) {
new WOW().init();
};
</script>
<div class="sidebar">
<ul>
<li><a href="http://wpa.qq.com/msgrd?v=3&uin=244261566&site=www.bzwzjz.com&menu=yes" target="_blank"><img src="/Public/Home/images/right_qq.png" /></a></li>
<li><a href="http://wpa.qq.com/msgrd?v=3&uin=1683211881&site=www.bzwzjz.com&menu=yes" target="_blank"><img src="/Public/Home/images/qq.png" /></a></li>
<li class="tel"><a href="tel:028-86922220"><img src="/Public/Home/images/right_tel.png" /></a></li>
<div class="wx">
<span class="weixin"><img src="/Public/Home/images/weixin.jpg"><br> 微信扫一扫在线咨询</span>
</div>
<li><a class="fx" href="#hero"><img src="/Public/Home/images/right_up.png" /></a></li>
</ul>
</div>
<script type="text/javascript">
$(function () {
$('.sidebar .fx').click(function () {
$('html,body').animate({
scrollTop: '0px'
}, 800);
});
});
</script>
<script type="text/javascript">
$(document).ready(function () {
$("#fancybox-manual-b").click(function () {
$.fancybox.open({
href: 'map.html',
type: 'iframe',
padding: 5
});
})
});
</script>
<script>
$(".con img").each(function(){
var src = $(this).attr("src"); //获取图片地址
var str=new RegExp("http");
var result=str.test(src);
if(result==false){
var url = "https://www.cdcxhl.com"+src; //绝对路径
$(this).attr("src",url);
}
});
window.onload=function(){
document.oncontextmenu=function(){
return false;
}
}
</script>