ACM,再见！

功能：输入话题的编号（一般在百度贴吧里面找）然后爬取楼主的所有发言的文字部分。说明：中文编码和保存文件较上一篇又有新的方式，特此留存。#coding: utf-8 import stringimport urllib2import reclass HTML_Tool:#作用就是将html文件里的一些标签去掉，只保留文字部分 BgnCharToNoneRex = re.comp

这两天在看python，抱着一本python学习手册看了好几天了，感觉没有什么长进。听说python写网络爬虫挺好，就在网上搜了一下教程，跟着看来看，一知半解自己也模仿着写了一个小项目：爬取糗事百科笑料段子      或许是页面代码重写了吧，教程的代码不怎么好用，我模仿的该了一下正则表达式，修改了一下功能，感觉还能使，昨天晚上实现了。队友说：你这学爬虫心理就是爬黄段子啊==明明是糗事好

对于需要登陆的网站用Python写爬虫的时候需要模拟登陆上去，才能得到想要的界面。偶然的一个机会，我们前任辅导员找到我，写一个爬取网络表格到本地excl表格并能支持分页的小程序，碰巧以前写过爬虫，这样一来又深入的理解了一下。前段时间忙着面试一直没抽出时间，今天花了一天的功夫算是搞出来了。写一个博客，以后查找时方便，也希望能给同样再写爬虫的童鞋一点帮助！模拟登陆首先要分析一下浏览器给服务器发

正则表达式中有些字符具有特殊的含义，如果在匹配中要用到它本来的含义，需要进行转义（在其前面加一个\）。下面总结了常见的一些需要转义的特殊字符：$ 匹配输入字符串的结尾位置。如果设置了RegExp对象的Multiline属性，则 $ 也匹配，如‘\n’或’\r’。() 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符。* 匹配前面的子表达式零次或多

#!/usr/bin/python# coding:utf8import os# 判断文件中是否包含关键字，是则将文件路径打印出来def is_file_contain_word(file_list, query_word): for _file in file_list: if query_word in open(_file).read():

import osimport logbookfrom logbook.more import ColorizedStderrHandlerimport smtplibLOG_DIR = os.path.join('log')if not os.path.exists(LOG_DIR): os.makedirs(LOG_DIR)def get_logger(name=

About  rsync：https://download.samba.org/pub/rsync/rsync.html配置两台服务器之间ssh-key后，可以实现自动化无需手动输入密码，脚本如下：import argparseimport datetimefrom functools import partialimport multiprocessing as mpimport