目標：爬取某網站比賽賽程，動態網頁，則需找到對應ajax請求（具體可參考：https://blog.csdn.net/you_are_my_dream/article/details/53399949）

# -*- coding:utf-8 -*-
import sys
import re
import urllib.request

link = "https://***"
r = urllib.request.Request(link)
r.add_header(‘User-Agent‘,‘Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36‘)
html = urllib.request.urlopen(r,timeout=500).read()
html = bytes.decode(html,encoding="gbk")
 

                     #返回大量json，需提取

#找出返回json中對應正則匹配的字符串
js = re.findall(‘"n":"(.*?)"‘,html)    
i=0

#循環打印比賽信息
try:
    while(1):
        #將字符串Unicode轉化為中文，並輸出
        print  (js[i].encode(‘utf-8‘).decode(‘unicode_escape‘),js[i+1].encode(‘utf-8‘).decode(‘unicode_escape‘),"VS",js[i+2].encode(‘utf-8‘).decode(‘unicode_escape‘))
        i=i+3
 

        #當所有賽程爬取結束時，會報錯“IndexError:list index out of range”，所以進行異常處理
except IndexError:
    print ("finished")

總結註意點：

1、python 3 采用這個import urllib.request

因為urllib和urllib2合體了。

2、字符串Unicode轉為中文需註意python3與python2的表示方法不同：

　　python3：print 字符串.encode(‘utf-8‘).decode(‘unicode_escape‘)

　　python2：print 字符串.decode(‘unicode_escape‘)

3、re.findall()

關於這個函數，他的輸出內容規律可以參考我之前寫的：http://www.cnblogs.com/4wheel/p/8497121.html

"n":"(.*?)"    這個表達式只輸出(.*?)這部分（為什麽，還是參考我之前寫的那篇文章），加上問號就是非貪婪模式，不加就是貪婪模式
順便實踐解釋下貪婪模式
example：

總結：非貪婪模式就是在滿足正則表達式的情況下，盡可能少的匹配。

　　 相反，貪婪模式就是在滿足正則表達式的情況下，盡可能多的匹配。

python爬取足球比賽賽程筆記