python编写爬虫小程序
起因
深夜忽然想下载一点电子书来扩充一下kindle，就想起来python学得太浅，什么“装饰器”啊、“多线程”啊都没有学到。
想到廖雪峰大神的python教程很经典、很著名。就想找找有木有pdf版的下载，结果居然没找到！！CSDN有个不完整的还骗走了我一个积分！！尼玛！！
怒了，准备写个程序直接去爬廖雪峰的教程，然后再html转成电子书。
过程
过程很有趣呢，用浅薄的python知识，写python程序，去爬python教程，来学习python。想想有点小激动……
果然python很是方便，50行左右就OK了。直接贴代码：
#coding:utf-8
importurllib
domain='http://www.liaoxuefeng.com'#廖雪峰的域名
path=r'C:\Users\cyhhao2013\Desktop\temp\\'#html要保存的路径
#一个html的头文件
input=open(r'C:\Users\cyhhao2013\Desktop\0.html','r')
head=input.read()
#打开python教程主界面
f=urllib.urlopen("http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000")
home=f.read()
f.close()
#替换所有空格回车（这样容易好获取url）
geturl=home.replace("\n","")
geturl=geturl.replace("","")
#得到包含url的字符串
list=geturl.split(r'em;"><ahref="')[1:]
#强迫症犯了，一定要把第一个页面也加进去才完美
list.insert(0,'/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000">')
#开始遍历urlList
forliinlist:
url=li.split(r'">')[0]
url=domain+url#拼凑url
printurl
f=urllib.urlopen(url)
html=f.read()
#获得title为了写文件名
title=html.split("<title>")[1]
title=title.split("-廖雪峰的官方网站</title>")[0]
#要转一下码，不然加到路径里就悲剧了
title=title.decode('utf-8').replace("/","")
#截取正文
html=html.split(r'<!--blockmain-->')[1]
html=html.split(r'<h4>您的支持是作者写作最大的动力！</h4>')[0]
html=html.replace(r'src="','src="'+domain)
#加上头和尾组成完整的html
html=head+html+"</body></html>"
#输出文件
output=open(path+"%d"%list.index(li)+title+'.html','w')
output.write(html)
output.close()
简直，人生苦短我用python啊！
以上所述就是本文的全部内容了，希望大家能够喜欢。