用Python爬的第一個網頁

利用Python爬最基本的網頁其實只用兩個步驟

• 取得網頁內容
• 解析他

而且從頭到尾只需要用到兩個類庫

（連結為API）

• urllib2
• SGMLParser

以http://www.taiwanlottery.com.tw/news/DrawNumber.aspx 該網頁為例

其實就是取得樂透彩中獎號碼

其實整個實作的概念很簡單也基本，首先觀察一下案例網站的原始碼，找到我們要取出的內容，而我們要取出的內容就是那些樂透彩名稱、期號、中獎號碼，稍微觀察一下你會發現這些我們需要的內容都被<li>這個標籤給包圍，那麼現在我們要做的就是取得這標籤裡的內容物

開始來寫Code了

首先匯入urllib2，SGMLParser這兩個類庫

import urllib2

from sgmllib import SGMLParser

建立一個類來繼承SGMLParser

class Lottery(SGMLParser):

def __init__(self):

SGMLParser.__init__(self)

self.is_li = ""

self.name = []

def start_li(self, attrs):

self.is_li = 1

def end_li(self):

self.is_li = ""

def handle_data(self, text):

if self.is_li == 1:

self.name.append(text)

你會發現裡面的start_li、end_li、is_li的”li“就是我們要取得的標籤，也可以依照案例的不同而修改成其他的標籤，像是start_td、start_div等等

而name就是標籤裡的內容了

接著就是開始實作了，以下代碼為獲取整個網站內容
content = urllib2.urlopen('http://www.taiwanlottery.com.tw/news/DrawNumber.aspx').read()

開始解析內容

lottery = Lottery()

liottery.feed(content)

for i in liottery.name:

   i = i.replace(" ","")

   if '\n' not in i:

       print i

第一次執行會比較慢，只要沒馬上出現錯誤的結果都是好的

最終印出的結果如下

104

2

月

24

日獎號一覽表

大樂透

期別

第

104000021

期

本期中獎號碼

依大小順序排列：

28

39

41

46

48

09

39

28

03

48

41

49樂合彩

期別

第

104000021

期

本期中獎號碼

依大小順序排列：

28

39

41

46

48

39

28

03

48

41

4星彩

期別

第

104000047

期

本期中獎號碼

6

2

7

3星彩

期別

第

104000047

期

本期中獎號碼

2

3

今彩539

期別

第

104000047

期

本期中獎號碼

依大小順序排列：

12

14

23

27

14

23

12

11

39樂合彩

期別

第

104000047

期

本期中獎號碼

依大小順序排列：

12

14

23

27

14

23

12

11

References：

[Python] 超級基本的網頁抓取
http://rightthewaygeek.blogspot.tw/2013/09/python.html
Python写爬虫——抓取网页并解析HTML
http://www.lovelucy.info/python-crawl-pages.html