获取不含图片的糗事内容

python+BeautifulSoup

# -*- coding=utf-8 -*-
#python pullingdata.py 100 data.txt
import requests
from BeautifulSoup import BeautifulSoup
import sys

try:
    num=int(sys.argv[1])
    out=sys.argv[2]
except Exception,e:
    print 'args error',e
j=0
s=requests.Session()
link='http://www.qiushibaike.com/'
r=s.get(link)
with open(out,'w') as file:
    pass
while j<=num:
    soup=BeautifulSoup(r.text)
    txt = soup.findAll('div',{'class':'content'})
    res=''
    for i in txt:
        if i.findNextSibling('div',{'class':'thumb'}) is None:
            j+=1
            res+= str(j)+'. '+i.contents[0].string.strip()+'\n\n'
    with open(out,'a+') as file:
        file.write(res.encode('utf-8'))
    next=soup.find('a',{'class':'next'})
    r=s.get(link[:-1]+next.get('href'))

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

def sunday(dst,sub):
    ld=len(dst)
    ls=len(sub)
    i=j=0#i表示dst中的起始位置，j表示已经匹配了的长度
    while i+j+1<ld:
        #print i,j
        if dst[i+j]==sub[j]:
            if j==ls-1:
                return i
            else:j+=1
            continue
        else:
            j=0
            tmp = find(sub,ls,dst[i+ls])
            if tmp==-1:
                i=i+ls    
            else:i=i+ls-tmp
        if i+ls>ld:
            return -1
    return -1
            
def find(sub,ls,ch):
    for i in range(ls-1,-1,-1):
        if sub[i]==ch:
            return i
    return -1


if __name__=="__main__":
    d="abcxxxbaaaabaaaxbbaaabcdamno"
    s="aaab"
    print sunday(d,s)