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


import?urllib????
import?re????
import?time
import?urllib
import?os
from?urllib?import?request


#創建爬取類，并申明相關屬性和方法

class?News:
????#class具體的屬性及函數
????def?__init__（selfurl）:
????????httpobj?=?request.urlopen（url）
????????#read（）讀取url信息
????????html?=?httpobj.read（）
????????#網頁編碼格式為gb2312
????????htmltext?=?html.decode（‘gb2312‘‘ignore‘）?
????????#正則表達式匹配新聞標題
????????pat?=?‘]*）“?mon=“[^>“]*“?target=“[^>“]*“>（[^>#]*）‘?
????????result?=?re.findall（pathtmltext）
????????pat?=‘]*）“?target=“[^>“]*“?class=“[^>“]*“?mon=“[^>“]*“>（[^>#]*）‘
????????added?=?re.findall（pathtmltext）
????????result.extend（added）
????????pat?=‘]*）“?target=“[^>“]*“??mon=“[^>“]*“>（[^>#]*）‘
????????added?=?re.findall（pathtmltext）
????????result.extend（added）
????????se?=?set（result）
????????result?=?list（se）
????????#replace（）將文章標題中的quot取消
????????#將匹配出的標題和URL加入到data列表中
????????self.data?=?[[item[0]item[1].replace（‘"‘‘“‘）]?for?item?in?result]
??????
??????
????#提取關鍵字，并將包含關鍵字的標題加入到target列表當中????
????def?key（self）:
????????self.key?=input（“輸入關鍵字：“）
????????self.target?=?[]
????????for?item?in?self.data?:
????????????if?self.key?in?item[1]:
????????????????self.target.append（item）
????????#返回與關鍵字相關的新聞個數????????
????????return?len（self.target）
????
????
????#訪問匹配到的新聞信息
????def?visit（self）:
????????for?i?in?range（len（self.target））:
????????????url?=?self.target[i][0]
????????????httpobj?=?request.urlopen（url）
????????????html?=?httpobj.read（）
????????????#百度新聞網頁的編碼格式為gb2312
????????????htmltext?=?html.decode（‘gb2312‘‘ignore‘）?
????????????#相關度匹配
????????????#在新聞全文當中匹配關鍵