#!/usr/env  python
#-*- coding: utf-8  -*-

import urllib

import urllib2

import random

import requests

import os,sys

import MySQLdb

from sgmllib import SGMLParser

import re

num=0

def main():

    try:

        conn=MySQLdb.connect(host='localhost',user='root',passwd='123456',db='addressbookdb',charset="utf8")

        conn.query("set names utf8")

    except Exception,e:

        print e

        sys.exit()

    cursor=conn.cursor()

    for k in range(1,2574):

        url="http://apk.gfan.com/apps_7_1_"+str(k)+".html"

        html=requests.get(url)

        result=html.content

        pattern=re.compile('<a href="([http://apk.gfan.com]?/Product/App\d{1,8}.html)"')

        dataresult=re.findall(pattern,result)

        dataresult=list(set(dataresult))

        for i in dataresult:

            t="http://apk.gfan.com"+i

            print t

            html=requests.get(t)

            result=html.content

            pattern=re.compile('<div class="appdiscrib">[\s\S]*?<h4>(.+?)</h4>')

            data0=re.findall(pattern,result)

            print data0[0]

            pattern=re.compile('版 本 号(.+?)</li>')

            data1=re.findall(pattern,result)

            pattern=re.compile('开 发 者(.+?)</li>')

            data2=re.findall(pattern,result)

            pattern=re.compile('发布时间(.+?)</li>')

            data3=re.findall(pattern,result)

            pattern=re.compile('文件大小(.+?)</li>')

            data4=re.findall(pattern,result)

            pattern=re.compile('支持固件(.+?)</li>')

            data5=re.findall(pattern,result)

            pattern=re.compile('应用介绍</h3>[\s\S]*?<div class="intro">([\s\S]*?)</div>')

            data6=re.findall(pattern,result)

            for items in data6:

                pass#print re.sub('<br />',' ',items)

            sql="insert into address(name,version,developer,pubtime,filesize,support,introduction) values(%s,%s,%s,%s,%s,%s,%s)"

            for items in data6:

            

                if(data5):

                    values=(data0[0],data1[0],data2[0],data3[0],data4[0],data5[0],re.sub('<br />',' ',items))

                else:

                    values=(data0[0],data1[0],data2[0],data3[0],data4[0],'NULL',re.sub('<br />',' ',items))

                #print values

                #print sql % values

                try:

                    cursor.execute(sql,values)

                    conn.commit()

                except:

                    pass

            pattern=re.compile(' <div class="appTitle clearfix">[\s\S]*?<img src=(.+?)/>')

            data=re.findall(pattern,result)

            for j in data:

                print j

      #temp = urllib2.urlopen(i[10:])

        # 这个是保存函数,第一个参数是地址,第二个是保存的文件名,让地址的倒数8位,当做文件名

                #urllib.urlretrieve(j[1:-2], j[-40:])

                temp=requests.get(j[1:-2])

                global num

                f=file("picture/"+str(num),"w+")

                num=num+1

                print num

                f.write(temp.content)

                

    #sql="select * from address"

    #cursor.execute(sql)

    #conn.commit()

    #finalresult=cursor.fetchall()

    #if finalresult:

        #for x in finalresult:

            #pass #print x[0:]

    cursor.close()

    conn.close()

    f.close()

    

if  __name__=="__main__":

       main()

python crawler0723.py的更多相关文章

  1. python调用py中rar的路径问题。

    1.python调用py,在py中的os.getcwd()获取的不是py的路径,可以通过os.path.split(os.path.realpath(__file__))[0]来获取py的路径. 2. ...

  2. python gettitle.py

    #!/usr/bin/env python # coding=utf-8 import threading import requests import Queue import sys import ...

  3. Python pydoc.py

    1. 查看帮助,我们可以在python命令行交互环境下用 help函数,比如: 查看 math 模块: >>> help('math')Help on built-in module ...

  4. django 1.7之后python manage.py syncdb没有了

    在命令行输入python manage.py createsuperuser按照提示输入即可记得先初始化表. django>1.7 python manage.py makemigrations ...

  5. Python安装mysql-python错误提示python setup.py egg_info

    做python项目,需要用到mysql,一般用python-mysql,安装时遇到错误提示如下: Command "python setup.py egg_info" failed ...

  6. python __init__.py用途

    转自http://www.cnpythoner.com/post/2.html Python中的Module是比较重要的概念.常见的情况是,事先写好一个.py文 件,在另一个文件中需要import时, ...

  7. python setup.py uninstall

    I have installed a python package with python setup.py install How do I uninstall it? ============== ...

  8. python 运行python manege.py runserver时报错:“no module named djangorestframework” 的解决方案

    python 运行python manege.py runserver时报错:“no module named djangorestframework” 的解决方案 importerror:no mo ...

  9. Python Web.py

    安装Web.py root@bt:~# sudo pip install web.py Downloading/unpacking web.py Downloading web.py-0.37.tar ...

随机推荐

  1. Jqgrid入门-使用模态对话框编辑表格数据(三)

            Jqgrid是一个强大的表格插件,它提供了多种方式来编辑数据.这三种方式分别是: Cell Editing——只允许修改某一个单元格内容 Inline Editing——允许在jqGr ...

  2. Jquery 模板插件 jquery.tmpl.js 的使用方法(1):基本语法,绑定,each循环,ajax获取json数据

    jquery.tmpl.js 是一个模板js  ,主要有2个方法 (1):$.template()方法,将一段script或者是Html编译为模板,例如 $.template('myTemplate' ...

  3. codevs 1088 神经网络

    bfs.语文题. #include<iostream> #include<cstdio> #include<cstring> #include<algorit ...

  4. 【C#学习笔记】获得本机IP

    using System; using System.Net; namespace ConsoleApplication { class Program { static void Main(stri ...

  5. 庖丁解牛-----Live555源码彻底解密(RTP解包)

    Live555 客户端解包 以testRTSPClient.cpp为例讲解: Medium<-MediaSource<-FramedSource<-RTPSource<-Mul ...

  6. zoj 2588 Burning Bridges

    题目描述:Ferry王国是一个漂亮的岛国,一共有N个岛国.M座桥,通过这些桥可以从每个小岛都能到达任何一个小岛.很不幸的是,最近Ferry王国被Jordan征服了.Jordan决定烧毁所有的桥.这是个 ...

  7. 如何修改因Informatica 8.6服务器IP而造资料库无法访问的问题

    原因分析解决及如何避免(PowerCenter 8.6.1) 前几天同事安装了个PowerCenter8.6.1做测试,出去了几天回来后Administration Console无法登入了.同事用的 ...

  8. 底部菜单栏(一) TabHost实现

    需求:使用TabHost实现底部菜单栏: 效果图: 实现分析: 1.目录结构: 代码实现: 1.activity_main.xml <?xml version="1.0" e ...

  9. HDU 5742 It's All In The Mind

    It's All In The Mind Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/65536 K (Java/Oth ...

  10. hdu 1078(dfs记忆化搜索)

    题意:容易理解... 思路:我开始是用dfs剪枝做的,968ms险过的,后来在网上学习了记忆化搜索=深搜形式+dp思想,时间复杂度大大降低,我个人理解,就是从某一个点出发,前面的点是由后面的点求出的, ...