python抓取最新博客内容并生成Rss

作者:hebedich 时间:2022-06-18 08:38:40 

osc的rss不是全文输出的,不开心,所以就有了python抓取osc最新博客生成Rss


# -*- coding: utf-8 -*-

from bs4 import BeautifulSoup
import urllib2

import datetime
import time
import PyRSS2Gen
from email.Utils import formatdate
import re
import sys
import os
reload(sys)
sys.setdefaultencoding('utf-8')

class RssSpider():
def __init__(self):
self.myrss = PyRSS2Gen.RSS2(title='OSChina',
link='http://my.oschina.net',
description=str(datetime.date.today()),
pubDate=datetime.datetime.now(),
lastBuildDate = datetime.datetime.now(),
items=[]
)
self.xmlpath=r'/var/www/myrss/oschina.xml'

self.baseurl="http://www.oschina.net/blog"
#if os.path.isfile(self.xmlpath):
#os.remove(self.xmlpath)
def useragent(self,url):
i_headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64)
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1985.125 Safari/537.36",
"Referer": 'http://baidu.com/'}
req = urllib2.Request(url, headers=i_headers)
html = urllib2.urlopen(req).read()
return html
def enterpage(self,url):
pattern = re.compile(r'd{4}Sd{2}Sd{2}sd{2}Sd{2}')
rsp=self.useragent(url)
soup=BeautifulSoup(rsp)
timespan=soup.find('div',{'class':'BlogStat'})
timespan=str(timespan).strip().replace('n','').decode('utf-8')
match=re.search(r'd{4}Sd{2}Sd{2}sd{2}Sd{2}',timespan)
timestr=str(datetime.date.today())
if match:
timestr=match.group()
#print timestr
ititle=soup.title.string
div=soup.find('div',{'class':'BlogContent'})
rss=PyRSS2Gen.RSSItem(
title=ititle,
link=url,
description = str(div),
pubDate = timestr
)

return rss
def getcontent(self):
rsp=self.useragent(self.baseurl)
soup=BeautifulSoup(rsp)
ul=soup.find('div',{'id':'RecentBlogs'})
for li in ul.findAll('li'):
div=li.find('div')
if div is not None:
alink=div.find('a')
if alink is not None:
link=alink.get('href')
print link
html=self.enterpage(link)
self.myrss.items.append(html)
def SaveRssFile(self,filename):
finallxml=self.myrss.to_xml(encoding='utf-8')
file=open(self.xmlpath,'w')
file.writelines(finallxml)
file.close()

if __name__=='__main__':
rssSpider=RssSpider()
rssSpider.getcontent()
rssSpider.SaveRssFile('oschina.xml')

以上所述就是本文的全部内容了,希望大家能够喜欢。

标签:python,抓取最新博客,生成Rss
0
投稿

猜你喜欢

  • Python实现的ftp服务器功能详解【附源码下载】

    2021-12-23 08:30:55
  • 浏览器的字体等宽空格

    2008-08-28 12:25:00
  • Python如何转换字符串大小写

    2021-03-16 17:40:20
  • MySQL获取系统性能和状态代码

    2024-01-13 10:56:18
  • Python语音合成的项目实战(PyQt5+pyttsx3)

    2021-06-15 09:14:13
  • 解决tensorflow打印tensor有省略号的问题

    2022-12-13 09:22:09
  • Python实现从PPT中导出高分辨率图片

    2023-01-03 16:29:08
  • 利用Python自动生成PPT的示例详解

    2021-10-16 18:25:08
  • golang 中 channel 的详细使用、使用注意事项及死锁问题解析

    2024-04-26 17:26:45
  • 网页标准化-CSS命名规划整理

    2007-12-10 18:13:00
  • python map比for循环快在哪

    2021-06-16 09:39:04
  • mysql 8.0.16 压缩包安装配置方法图文教程

    2024-01-14 13:06:39
  • Python 转换文本编码实现解析

    2022-07-15 15:58:49
  • 微信小程序保存图片到相册权限设置

    2024-06-16 19:48:50
  • SQL SERVER的数据类型

    2024-01-20 03:40:41
  • Python3.5字符串常用操作实例详解

    2023-08-31 00:25:53
  • javascript的闭包介绍(司徒正美)

    2024-06-05 09:12:21
  • Python爬虫分析汇总

    2022-08-28 06:19:38
  • Asp中如何设计跨越域的Cookie

    2008-10-24 09:46:00
  • sql2005 数据同步方法

    2024-01-15 03:28:54
  • asp之家 网络编程 m.aspxhome.com