为了账号安全,请及时绑定邮箱和手机立即绑定

出现SyntaxError: invalid syntax(语法解析失败)

出现SyntaxError: invalid syntax(语法解析失败)

iamsupermming 2016-08-18 23:04:19
# coding:utf8from baidu import url_manager,html_downloader,html_parser,html_outputerclass SpiderMain(object):    def __int__(self):        self.urls = url_mansger.UrlManager()        self.downloader = htaml_downloader.HtmlDownloader()        self.parser = html_parser.HtmlParser()        self.outputer = htaml_outputer.HtmlOutputer()    def craw(self,root_url):        count = 1        self.urls.add_new_url(root_url)        while self.urls.has_new_url():            try:                new_url = self.urls.get_new_url()                print 'craw %d : %s' % (count,new_url)                html_cont = self.downloader.download(new_url)                new_url,new_data = self.parser.parser(new_url,html_cont)                self.urls.add_new_url(new_urls)                self.outputer.collect_data(new_data)                if count == 1000:                    break                count = count + 1            except:                 print 'craw failed'        self.outputer.output_html()if __name__=="__main__":    root_url = "http://http://baike.baidu.com/view/21087.htm"    obj_spider = SpiderMain()    obj_spider.craw(root_url)—————————分———————割———————线————————————# coding:utf8class UrlManager(object):    def __int__(self):        self.new_urls = set()        self.old_urls = set()    def add_new_url(self):        if url is None:            return        if url not in self.new_urls and url not in self.old_urls:            self.new_urls.add(url)    def add_new_urls(self):        if urls is None or len(urls)  == 0:            return        for url in urls:            self.add_new_url()    def has_new_url(self):        return  len(self.new_urls) !=0    def get_new_url(self):        new_url = self.new_urls.pop()        self.old_urls.add(new_url)        return new_url—————————分———————割———————线————————————# coding:utf8class HtmlDownloader(object):    def download(self,url):        if url is None:            return None        response = urllib2.urlopen(url)        if response.getcode() != 200:            return None        return response.read()—————————分———————割———————线————————————# coding:utf8class HtmlParser(object):    def _get_new_urls(self,page_url,soup):        new_urls = set()        links = soup.find_all('a',href=re.compile(r"/view/\d+\.htaml"))        for link in links            new_url = link['href']            new_full_url = urlparse.urljoin(page_url,new_url)        return new_urls    def _get_new_data(self,page_url,soup):        res_data = {}        res_data['url'] = page_url        #<dd class="lemmaWgt-lemmaTitle-title"><h1>Python</h1>        title_node = soup.find('dd',class="lemmaWgt-lemmaTitle-title").find("h1")        res_data['title'] = title_node.get_text()        summary_node = soup.find('div',class_="lemma-summary")        res_data['summary'] = summary_node.get_text()        return res_data    def parse(self,page_url,html_cont):        if page_url is None or htaml_cont is None:            return        soup = BeatuifulSoup(html_cont,'html.parser',from_encoding='utf-8')        new_urls = self._get_new_urls(page_url,soup)        new_data = self._get_new_data(page_url,soup)        return new_urls,new_data—————————分———————割———————线————————————# coding:utf8class HtmlOutputerr(object):    def __int__(self):        self.datas = []    def collect_data(self,data):        if data is None:            return        self.datas.append(data)    def output_html(self):        fout = open('output.html','w')        fout.write("<html>")        fout.write("<body>")        fout.write("<table>")        for data in self.datas:            fout.write("<tr>")            fout.write("<tr>%s</td>" % data['data'])            fout.write("<td>%s</td>" % data['title'].encode('utf=8'))            fout.write("<td>%s</td>" % data['summary'].encode('utf=8'))            fout.write("</tr>")        fout.write("</table>")        fout.write("</body>")        fout.write("</table>")
查看完整描述

1 回答

  • 1 回答
  • 0 关注
  • 9509 浏览
慕课专栏
更多

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信