准备爬取内涵段子的几则笑话，先查看网址：http://www.budejie.com/text/

简单分析后发现每页的url呈加1趋势

第一页： http://www.budejie.com/text/1

第二页：http://www.budejie.com/text/2

...

 

每页的段子：

<a href="/detail-28278217.html"> 内容</a>

<a href="/detail-28270675.html"> 内容</a>

....

 

所以正则表达式的解释规则是<a href="/detail-\d{8}.html">(?s:(.*?))</a>，第一个分组的内容就是需要的文字。

 

代码如下：

 

　　

运行截图：

 

效果截图：

 

 

 

 

最后我发现第2页之后的段子都是重复的。。。