#-*- coding: utf-8 -*-

import urllib

import urllib2

import re

#页面为1

page=1

url='http://www.qiushibaike.com/hot/page/'+str(page)

#需要header验证

user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'

headers = { 'User-Agent' : user_agent }

try:

    #获取地址

    request=urllib2.Request(url,headers=headers)

    #打开连接

    response=urllib2.urlopen(request)

    #输出读取内容

    #print response.read()

    content=response.read().decode('utf-8')

    # 去奇趣百科找不带图片的段子结构，匹配正则，糗百的标签会不定时改变，正则可能要重新匹配

    pattern = re.compile(

'<div.*?author.*?users.*?<h2>(.*?)</h2>.*?content.*?<span>(.*?)</span>.*?vote.*?number">(.*?)</i>.*?comments.*?number">(.*?)</i>',

        re.S)

    #<div.*?author.*?users.*?<h2>(.*?)</h2>.*?content.*?<span>(.*?)</span>.*?<a.*?img.*?>(.*?)</a>

    # 组 作者，内容，点赞，评论

    items=re.findall(pattern,content)

    for item in items:

    print item[0],item[1],item[3]

except urllib2.URLError,e:

    if hasattr(e,'code'):

        print e.code

    if hasattr(e,'reason'):

        print e.reason