# 用非 贪婪模式 匹配 \t 或者 \n 或者 空格 或者 超链接 或者 图片

BgnCharToNoneRex=re.compile('((\t|\n| |<a.*?>|<img.*?>))')

# 用非 贪婪模式 匹配 任意<>标签

EndCharToNoneRex=re.compile('<.*?>')

# 用非 贪婪模式 匹配 任意<p>标签

BgnPartRex=re.compile('<p.*?>')

CharToNewLineRex = re.compile("(<br/>|</p>|<tr>|<div>|</div>)")

CharToNextTabRex = re.compile("<td>")

# 将一些html的符号实体转变为原始符号

replaceTab = [("<","<"),(">",">"),("&","&"),("&","\""),(" "," ")]

def Replace_Char(self,x):

x = self.BgnCharToNoneRex.sub("",x)

x = self.BgnPartRex.sub("\n ",x)

x = self.CharToNewLineRex.sub("\n",x)

x = self.CharToNextTabRex.sub("\t",x)

def __init__(self):

self.page = 1

self.pages = []

self.myTool = HTML_Tool()

self.enable = False

# 将所有的段子都扣出来，添加到列表中并且返回列表

def GetPage(self,page):

myUrl = "http://m.qiushibaike.com/hot/page/" + page

headers = {

'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'

}

req=urllib.request.Request(url=myUrl,headers=headers)

myResponse=urllib.request.urlopen(req)

myPage=myResponse.read()

#encode的作用是将unicode编码转换成其他编码的字符串

#decode的作用是将其他编码的字符串转换成unicode编码

unicodePage = myPage.decode("utf-8")

# 找出所有class="content"的div标记

#re.S是任意匹配模式，也就是.可以匹配换行符

r=re.compile('<div.*?class="content".*?title="(.*?)">(.*?)</div>',re.DOTALL)

myItems = r.findall(unicodePage)

items = []

for item in myItems:

# item 中第一个是div的标题，也就是时间

# item 中第二个是div的内容，也就是内容

items.append([item[0].replace("\n",""),item[1].replace("\n","")])

#print(item[0],item[1],'\n')

return items

# 用于加载新的段子

def LoadPage(self):

# 如果用户未输入quit则一直运行

while self.enable:

# 如果pages数组中的内容小于2个

if len(self.pages) < 2:

try:

# 获取新的页面中的段子们

myPage = self.GetPage(str(self.page))

self.page += 1

self.pages.append(myPage)

#print('loadPage',self.page)

except:

print ('无法链接糗事百科！\n')

else:

#print('休眠\n')

time.sleep(1)

def ShowPage(self,np,page):

for items in np:

print (items[0])

#print (self.myTool.Replace_Char(items[1]))

print(items[1])

#myInput = input()

#if myInput == "quit":

# self.enable = False

# break

def Start(self):

self.enable = True

page = self.page

print (u'正在加载中请稍候......')

# 新建一个线程在后台加载段子并存储

_thread.start_new(self.LoadPage,())

#----------- 加载处理糗事百科 -----------

while self.enable:

# 如果self的page数组中存有元素

if self.pages:

nowPage = self.pages[0]

#print(len(nowPage))

del self.pages[0]

print(u'第%d页' % page)

self.ShowPage(nowPage,page)

myInput = input()

if myInput == "quit":

self.enable = False

continue