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
import urllib

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;\">\')

# 开始遍历url List
for li in list:
  url = li.split(r\'\">\')[0]
  url = domain + url       #拼凑url
  print url
  f = urllib.urlopen(url)
  html = f.read()

  # 获得title为了写文件名
  title = html.split(\"\")[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\'\')[1]
  html = html.split(r\'
您的支持是作者写作最大的动力！
\')[0]
  html = html.replace(r\'src=\"\', \'src=\"\' + domain)

  # 加上头和尾组成完整的html
  html = head + 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。