jb51上面的资源还比较全，就准备用python来实现自动采集信息，与下载啦。
专注于为中小企业提供网站建设、
网站制作服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业
千阳免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了千余家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。
Python具有丰富和强大的库，使用urllib，re等就可以轻松开发出一个网络信息采集器！
下面，是我写的一个实例脚本，用来采集某技术网站的特定栏目的所有电子书资源，并下载到本地保存！
软件运行截图如下：
在脚本运行时期，不但会打印出信息到shell窗口，还会保存日志到txt文件，记录采集到的页面地址，书籍的名称，大小，服务器本地下载地址以及百度网盘的下载地址！
实例采集并下载创新互联成都网站设计公司的python栏目电子书资源：
# -*- coding:utf-8 -*-
import re
import urllib2
import urllib
import sys
import os
reload(sys)
sys.setdefaultencoding('utf-8')
def getHtml(url):
request = urllib2.Request(url)
page = urllib2.urlopen(request)
htmlcontent = page.read()
#解决中文乱码问题
htmlcontent = htmlcontent.decode('gbk', 'ignore').encode("utf8",'ignore')
return htmlcontent
def report(count, blockSize, totalSize):
percent = int(count*blockSize*100/totalSize)
sys.stdout.write("r%d%%" % percent + ' complete')
sys.stdout.flush()
def getBookInfo(url):
htmlcontent = getHtml(url);
#print "htmlcontent=",htmlcontent; # you should see the ouput html
#crifan
regex_title = '(?P.+?)</h2>';
title = re.search(regex_title, htmlcontent);
if(title):
title = title.group("title");
print "书籍名字:",title;
file_object.write('书籍名字:'+title+'r');
#<li>书籍大小：<span itemprop="fileSize">27.2MB</span></li>
filesize = re.search('<spans+?itemprop="fileSize">(?P<filesize>.+?)</span>', htmlcontent);
if(filesize):
filesize = filesize.group("filesize");
print "文件大小:",filesize;
file_object.write('文件大小:'+filesize+'r');
#<div class="picthumb"><a href="//img.jbzj.com/do/uploads/litimg/151210/1A9262GO2.jpg" target="_blank"
bookimg = re.search('<divs+?class="picthumb"><a href="(?P<bookimg>.+?)" rel="external nofollow" target="_blank"', htmlcontent);
if(bookimg):
bookimg = bookimg.group("bookimg");
print "封面图片：",bookimg;
file_object.write('封面图片:'+bookimg+'r');
#<li><a href="http://xz6.jb51.net:81/201512/books/JavaWeb100(jb51.net).rar" target="_blank">酷云中国电信下载</a></li>
downurl1 = re.search('<li><a href="(?P<downurl1>.+?)" rel="external nofollow" target="_blank">酷云中国电信下载</a></li>', htmlcontent);
if(downurl1):
downurl1 = downurl1.group("downurl1");
print "下载地址1:",downurl1;
file_object.write('下载地址1:'+downurl1+'r');
sys.stdout.write('rFetching ' + title + '...n')
title = title.replace(' ', '');
title = title.replace('/', '');
saveFile = '/Users/superl/Desktop/pythonbook/'+title+'.rar';
if os.path.exists(saveFile):
print "该文件已经下载了！";
else:
urllib.urlretrieve(downurl1, saveFile, reporthook=report);
sys.stdout.write("rDownload complete, saved as %s" % (saveFile) + 'nn')
sys.stdout.flush()
file_object.write('文件下载成功!r');
else:
print "下载地址1不存在";
file_error.write(url+'r');
file_error.write(title+"下载地址1不存在!文件没有自动下载！r");
file_error.write('r');
#<li><a href="http://pan.baidu.com/s/1pKfVNwJ" rel="external nofollow" target="_blank">百度网盘下载2</a></li>
downurl2 = re.search('</a></li><li><a href="(?P<downurl2>.+?)" rel="external nofollow" target="_blank">百度网盘下载2</a></li>', htmlcontent);
if(downurl2):
downurl2 = downurl2.group("downurl2");
print "下载地址2:",downurl2;
file_object.write('下载地址2:'+downurl2+'r');
else:
#file_error.write(url+'r');
print "下载地址2不存在";
file_error.write(title+"下载地址2不存在r");
file_error.write('r');
file_object.write('r');
print "n";
def getBooksUrl(url):
htmlcontent = getHtml(url);
#<ul class="cur-cat-list"><a href="/books/438381.html" rel="external nofollow" class="tit"</ul></div><!--end #content -->
urls = re.findall('<a href="(?P<urls>.+?)" rel="external nofollow" class="tit"', htmlcontent);
for url in urls:
url = "//www.jb51.net"+url;
print url+"n";
file_object.write(url+'r');
getBookInfo(url)
#print "url->", url
if __name__=="__main__":
file_object = open('/Users/superl/Desktop/python.txt','w+');
file_error = open('/Users/superl/Desktop/pythonerror.txt','w+');
pagenum = 3;
for pagevalue in range(1,pagenum+1):
listurl = "//www.jb51.net/ books/list476_%d.html"%pagevalue;
print listurl;
file_object.write(listurl+'r');
getBooksUrl(listurl);
file_object.close();
file_error.close();</pre><p align=center>另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、<a href="https://www.cdcxhl.com/gaofang/" target="_blank">高防服务器</a>、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。</p> <br>
网页名称：使用python采集脚本之家电子书资源并自动下载到本地的实例脚本-创新互联 <br>
网站网址：<a href="http://cdkjz.cn/article/dijhco.html">http://cdkjz.cn/article/dijhco.html</a>
</div>
<div class="g-return-wrapper clearfix">
<a href="http://www.cdkjz.cn/" class="home">返回首页</a>
<a href="http://www.cdkjz.cn/news/" class="column">了解更多建站资讯</a>
</div>
</div>
</div>
<div class="full-related-news">
<h3 class="related-title">相关资讯</h3>
<div class="related-news weblg">
<ul class="clearfix">
<li>
<a href="/article/dcpsped.html">
<h2 class="title">linux网络端口命令 linux系统端口</h2>
</a>
</li><li>
<a href="/article/dcpspcg.html">
<h2 class="title">信息安全服务器有哪些 信息安全服务资质安全工程类</h2>
</a>
</li><li>
<a href="/article/dcpspsd.html">
<h2 class="title">go语言利器分析 go 语言 gui</h2>
</a>
</li><li>
<a href="/article/dcpshoc.html">
<h2 class="title">c语言标准函数库什么意思 c语言的标准库中的函数名有哪些</h2>
</a>
</li><li>
<a href="/article/dcpsppc.html">
<h2 class="title">java提升代码执行效率 提高java代码运行速度</h2>
</a>
</li><li>
<a href="/article/dcpshog.html">
<h2 class="title">腾讯怎么绑定域名登录 腾讯怎么绑定域名登录微信</h2>
</a>
</li><li>
<a href="/article/dcpspge.html">
<h2 class="title">腾讯云主要服务器 腾讯云服务器性能怎么样</h2>
</a>
</li><li>
<a href="/article/dcpspid.html">
<h2 class="title">网络服务器安全应用指南 服务器网络安全防护措施</h2>
</a>
</li> </ul>
</div>
</div>
<div class="full-icontact-cover m-ft-contact">
<div class="weblg">
<div class="clearfix content">
<div class="motto">
多年建站经验
</div>
<div class="info">
<h3>多一份参考，总有益处</h3>
<h2> 联系快上网，免费获得专属《策划方案》及报价</h2>
<div class="msg">
<p>咨询相关问题或预约面谈，可以通过以下方式与我们联系</p>
<h4> 大客户专线 成都：<a
href="tel:+13518219792" rel="nofollow">13518219792</a>
座机：<a href="tel:02886922220" rel="nofollow">028-86922220</a>
</h4>
</div>
</div>
</div>
<div class="btns clearfix">
<a href="https://wpa.qq.com/msgrd?v=3&uin=631063699&site=qq&menu=yes" target="_blank" rel="nofollow"
class="oline">在线咨询</a>
<a href="javascript:;" class="edit" rel="nofollow">提交需求</a>
</div>
</div>
</div>
<div class="footer-content">
<div class="weblg clearfix">
<div class="friend-links">
<h6 class="clearfix">
<span class="tilte">友情链接</span>
<a class="exchagne" href="http://wpa.qq.com/msgrd?v=3&uin=631063699&site=qq&menu=yes">交换友情链接</a>
</h6>
<div class="link-list clearfix">
<div class="link-slider">
<a href="http://www.cdkjz.cn/small/" title="成都小程序开发" target="_blank">成都小程序开发</a><a href="https://www.cdxwcx.com/city/guangan/" title="广安做网站" target="_blank">广安做网站</a><a href="http://www.cxjianzhan.com/" title="成都网站建设公司" target="_blank">成都网站建设公司</a><a href="http://www.xhgfhy.com/
" title="成都封阳台" target="_blank">成都封阳台</a><a href="http://www.htlanyu.com/" title="佑馨产后护理" target="_blank">佑馨产后护理</a><a href="http://www.tjysf.cn/" title="郫县明安消防器材" target="_blank">郫县明安消防器材</a><a href="https://www.cdcxhl.com/" title="设计网站" target="_blank">设计网站</a><a href="http://www.cdxwcx.cn/sheji/" title="企业网站设计" target="_blank">企业网站设计</a><a href="https://www.scvps.cn/" title="虚拟主机" target="_blank">虚拟主机</a><a href="https://www.scvps.cn/" title="注册域名" target="_blank">注册域名</a> </div>
</div>
</div>
</div>
<div class="full-foot-bottom">
<div class="weblg clearfix">
<p>成都网站建设公司地址：成都市青羊区太升南路288号锦天国际A座10层 建设咨询<a href="tel:028-86922220">028-86922220</a></p>
<p>
成都快上网科技有限公司-四川网站建设设计公司 | <a href="http://www.miitbeian.gov.cn/" target="_blank" rel="nofollow">蜀ICP备19037934号</a> Copyright 2020,ALL Rights Reserved cdkjz.cn | <a href="http://www.cdkjz.cn/" target="_blank">成都网站建设</a> | © Copyright 2020版权所有.</p>
<p>专家团队为您提供<a href="http://www.cdkjz.cn/" target="_blank">成都网站建设</a>,<a href="http://www.cdkjz.cn/" target="_blank">成都网站设计</a>,成都品牌网站设计,成都营销型网站制作等服务,成都建网站就找快上网！ | 成都网站建设哪家好？ | <a href="###">网站建设地图</a></p>
</div>
</div>
</div>
<script type="text/javascript" src="../js/idangerous.swiper.min.js"></script>
<script type="text/javascript" src="../js/wow.min.js"></script>
<script type="text/javascript" src="../js/jquery.mousewheel.min.js"></script>
<script type="text/javascript" src="../js/jquery.placeholder.min.js"></script>
<script type="text/javascript" src="../js/layout.js"></script>
</body>
</html>
<script>
$(".singlepage img").each(function(){
var src = $(this).attr("src"); //获取图片地址
var str=new RegExp("http");
var result=str.test(src);
if(result==false){
var url = "https://www.cdcxhl.com"+src; //绝对路径
$(this).attr("src",url);
}
});
window.onload=function(){
document.oncontextmenu=function(){
return false;
}
}
</script> 
