用python实时爬取某资源站最新资源
本帖最后由 寒心烟雨情 于 2018-8-29 21:49 编辑因为最近在用PHP练习写个网站，（以后应该开源），网站写得差不多了，但是网站没有内容，所以打算去爬别人的网站，充实一下自己的网站，去爬了某个资源网，主要是爬最新的资源。经过测试，只要是用相同模板的网站都可以爬。
其实很多网站都差不多，随便写个正则想爬什么都可以。
我已经把脚本挂到服务器了，调用接口就可以得到我们爬取的内容。
我把自己的接口发出来，大家如果有需要可以用 http://hh52.cn:6600/zyw/ziyuan/ （希望不是很多人用，不然我9块5的服务器是挺不住的）
代码可以看看，都写有注释，有很多可以拓展的，有时间我也还拓展。
import requests,time,re #一共三个模块，没装的先装
def zyw():
while(True):
url='https://www.525zyw.com/'#爬的网站URL
html=requests.get(url).text #获取网站的首页源代码
re_url=re.findall('<li class="column half"><div class="lbbt_c00">(.*?)</div>.*?</li>',html,re.S) #比配最新资源
list_r=''
for i in re_url:
tiem=re.findall('.*?>(.*?)</span>.*?',i,re.S) #这里的四个正则主要是进一步的提取我们需要的东西
src=re.findall('.*?<img src="(.*?)"/>.*?',i,re.S) #
href=re.findall('.*?<a href="(.*?)".*?',i,re.S)
title=re.findall('.*?title="(.*?)".*?',i,re.S)
res='<span style="font-weight: bold;">%s</span><img src="%s%s"/> <a href="%s%s" title="%s" style="color:#000000;" target="_blank">%s</a><br>'%(tiem,url,src,url,href,title,title)
list_r=list_r+res #经过上面的拼接，这里是所有的内容加入一个字符串
f=open('./templates/zyw.html','w') #打开文件
f.write(list_r) #把字符串写入文件
f.close()
time.sleep(3600) #这里是每隔1个小时去爬一次，测试时先注释掉
if __name__ == '__main__':
zyw() #调用
统一回复：服务器是阿里云的学生服务器，马马虎虎挂点东西{:1_925:} 寒心烟雨情 发表于 2018-8-29 22:44
对服务器不怎么懂，配个环境都搞了好久
其实配置环境很简单，就是看你选择什么面板了，如果配置iis这个确实有点麻烦！如果选个实用的面板就简单了！分分钟就搞定了！！ 特百惠 发表于 2018-8-29 22:02
阿里云的大学生扶贫服务器你们都不知道吗！！lz可以加个好友，一起学习下吗，你有什么好的教程分享下！也好 ...
对服务器不怎么懂，配个环境都搞了好久{:1_908:} 比较感兴趣9块5的服务器 求同服务器 大家都在求9.5的服务器。。。。 求同款服务器 {:301_1004:}求同款服务器！！
大家都在求9.5的服务器。。。。 +1 服务器 鸭店总裁 发表于 2018-8-29 21:10
比较感兴趣9块5的服务器
阿里云的学生服务器{:1_907:}挂点东西勉强够用 阿里云的大学生扶贫服务器你们都不知道吗！！lz可以加个好友，一起学习下吗，你有什么好的教程分享下！也好，谢谢