python3.4学习笔记(十四) 网络爬虫实例代码，抓取新浪爱彩双色球开奖数据实例
新浪爱彩双色球开奖数据URL：http://zst.aicai.com/ssq/openInfo/
最终输出结果格式如：2015075期开奖号码：6,11,13,19,21,32, 蓝球：4
直接用python源码写的抓取双色球最新开奖数据的代码，没使用框架，直接用字符串截取的方式写的，经过测试速度还是很快的
使用pyspider可以轻松分析出需要的内容，不过需要部署框架对只抓取特定内容的小应用来说也没多大必要
一般的抓取网页的使用 beautifulsoup就足够了，pyspider真正做爬虫类的应用才需要用到
python3.4学习笔记(十七) 网络爬虫使用Beautifulsoup4抓取内容 - 流风，飘然的风 - 博客园
http://www.cnblogs.com/zdz8207/p/python_learn_note_17.html
使用BeautifulSoup4对比直接使用字符串查找截取的方式要更加直观和简洁。
把代码作为开源项目了，热血狂徒 / zyspider - 代码托管 - 开源中国社区
http://git.oschina.net/coos/zyspider
====================================
1 import urllib.request 2 import urllib.parse 3 import re 4 import urllib.request,urllib.parse,http.cookiejar 5 6 def getHtml(url): 7 cj=http.cookiejar.CookieJar() 8 opener=urllib.request.build_opener(urllib.request.HTTPCookieProcessor(cj)) 9 opener.addheaders=[('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2272.101 Safari/537.36'),('Cookie','4564564564564564565646540')] 10 11 urllib.request.install_opener(opener) 12 13 html_bytes = urllib.request.urlopen( url ).read() 14 html_string = html_bytes.decode( 'utf-8' ) 15 return html_string 16 17 #url = http://zst.aicai.com/ssq/openInfo/ 18 #最终输出结果格式如：2015075期开奖号码：6,11,13,19,21,32, 蓝球：4 19 html = getHtml("http://zst.aicai.com/ssq/openInfo/") 20 #<table class="fzTab nbt"> </table> 21 22 table = html[html.find('<table class="fzTab nbt">') : html.find('</table>')] 23 #print (table) 24 #<tr onmouseout="this.style.background=''" onmouseover="this.style.background='#fff7d8'"> 25 #<tr onmouseout= 26 tmp = table.split('<tr onmouseout=',1) 27 #print(tmp) 28 #print(len(tmp)) 29 trs = tmp[1] 30 tr = trs[: trs.find('</tr>')] 31 #print(tr) 32 number = tr.split('<td >')[1].split('</td>')[0] 33 print(number + '期开奖号码：',end='') 34 redtmp = tr.split('<td class="redColor sz12" >') 35 reds = redtmp[1:len(redtmp)-1]#去掉第一个和最后一个没用的元素 36 #print(reds) 37 for redstr in reds: 38 print(redstr.split('</td>')[0] + ",",end='') 39 print('蓝球：',end='') 40 blue = tr.split('<td class="blueColor sz12" >')[1].split('</td>')[0] 41 print(blue)