最近学习了python和爬虫，想写一个程序练练手，所以我就想到了大家都比较关心的自己的博客访问量，使用python来获取自己博客的访问量，这也是后边我将要进行的项目的一部分，后边我会对博客的访问量进行分析，以折线图和饼图等可视化的方式展示自己博客被访问的情况，使自己能更加清楚自己的哪些博客更受关注，博客专家请勿喷，因为我不是专家，我听他们说专家本身就有这个功能。
一、网址分析
进入自己的博客页面，网址为：http://blog.csdn.net/xingjiarong 网址还是非常清晰的就是csdn的网址+个人csdn登录账号，我们来看一下下一页的网址。
看到第二页的地址为：http://blog.csdn.net/xingjiarong/article/list/2
后边的数字表示现在正处于第几页，再用其他的页面验证一下，确实是这样的，那么第一页为什么不是http://blog.csdn.net/xingjiarong/article/list/1呢，那么我们在浏览器中输入http://blog.csdn.net/xingjiarong/article/list/1试试，哎，果然是第一页啊，其实第一页是被重定向了，http://blog.csdn.net/xingjiarong被重定向到http://blog.csdn.net/xingjiarong/article/list/1，所以两个网址都能访问第一页，那么现在规律就非常明显了：
http://blog.csdn.net/xingjiarong/article/list/ + 页号
二、如何获取标题
右键查看网页的源代码，我们看到可以找到这样一段代码：
我们可以看到标题都是在标签
所以我们可以使用下面的正则表达式来匹配标题：
(.*?)
三、如何获取访问量
拿到了标题之后，就要获得对应的访问量了，经过对源码的分析，我看到访问量的结构都是这样的：
阅读(1140)
括号中的数字即为访问量，我们可以用下面的正则表达式来匹配：
阅读\((.*?)\)
四、如何判断是否为尾页
接下来我们要判断当前页是否为最后一页，否则我们就不能判断什么时候结束了，我找到了源码中‘尾页’的标签，发现是下面的结构：
下一页 尾页
所以我们可以用下面的正则表达式来匹配，如果匹配成功就说明当前页不是最后一页，否则当前页就是最后一页。
尾页
五、编程实现
下面是完整的代码实现：
#!usr/bin/python
# -*- coding: utf-8 -*-
”’
created on 2016年2月13日
@author: xingjiarong
使用python爬取csdn个人博客的访问量，主要用来练手
”’
import urllib2
import re
#当前的博客列表页号
page_num = 1
#不是最后列表的一页
notlast = 1
account = str(raw_input(‘输入csdn的登录账号:’))
while notlast:
#首页地址
baseurl = ‘http://blog.csdn.net/’+account
#连接页号，组成爬取的页面网址
myurl = baseurl+’/article/list/’+str(page_num)
#伪装成浏览器访问，直接访问的话csdn会拒绝
user_agent = ‘mozilla/4.0 (compatible; msie 5.5; windows nt)’
headers = {‘user-agent’:user_agent}
#构造请求
req = urllib2.request(myurl,headers=headers)
#访问页面
myresponse = urllib2.urlopen(req)
mypage = myresponse.read()
#在页面中查找是否存在‘尾页’这一个标签来判断是否为最后一页
notlast = re.findall(‘尾页’,mypage,re.s)
print ‘—————————–第%d页———————————‘ % (page_num,)
#利用正则表达式来获取博客的标题
title = re.findall(‘(.*?)’,mypage,re.s)
titlelist=[]
for items in title:
titlelist.append(str(items).lstrip().rstrip())
#利用正则表达式获取博客的访问量
view = re.findall(‘阅读\((.*?)\)’,mypage,re.s)
viewlist=[]
for items in view:
viewlist.append(str(items).lstrip().rstrip())
#将结果输出
for n in range(len(titlelist)):
print ‘访问量:%s 标题:%s’ % (viewlist[n].zfill(4),titlelist[n])
#页号加1
page_num = page_num + 1
下面是部分结果：
输入csdn的登录账号:xingjiarong
—————————–第1页———————————
访问量:1821 标题:python编程常用模板总结
访问量:1470 标题:设计模式之uml（一）类图以及类间关系（泛化 、实现、依赖、关联、聚合、组合）
访问量:0714 标题:ubuntu14.04 安装并破解myeclipse2014
访问量:1040 标题:ubuntu14.04 配置tomcat8
访问量:1355 标题:java调用python方法总结
访问量:0053 标题:java多线程之callable和future
访问量:1265 标题:跟我学汇编（三）寄存器和物理地址的形成
访问量:1083 标题:跟我学汇编（二）王爽汇编环境搭建
访问量:0894 标题:跟我学汇编（一）基础知识
访问量:2334 标题:java多线程（一）race condition现象及产生的原因
访问量:0700 标题:matlab矩阵基础
访问量:0653 标题:matlab变量、分支语句和循环语句
访问量:0440 标题:matlab字符串处理
访问量:0514 标题:matlab运算符与运算
访问量:0533 标题:matlab的数据类型
—————————–第2页———————————
访问量:0518 标题:openstack设计与实现（五）restful api和wsgi
访问量:0540 标题:解决android sdk manager下载太慢问题
访问量:0672 标题:openstack设计与实现（四）消息总线（amqp）
访问量:0570 标题:分布式文件存储fastdfs（五）fastdfs常用命令总结
访问量:0672 标题:分布式文件存储fastdfs（四）配置fastdfs-apache-module
访问量:0979 标题:分布式文件存储fastdfs（一）初识fastdfs
访问量:0738 标题:分布式文件存储fastdfs（三）fastdfs配置
访问量:0682 标题:分布式文件存储fastdfs（二）fastdfs安装
访问量:0511 标题:openstack设计与实现（三）kvm和qemu浅析
访问量:0593 标题:openstack设计与实现（二）libvirt简介与实现原理
访问量:0562 标题:openstack设计与实现（一）虚拟化
访问量:0685 标题:食堂买饭的启示
访问量:0230 标题:uml之时序图详解
访问量:0890 标题:设计模式之桥梁模式和策略模式的区别
访问量:1258 标题:设计模式（十二）责任链模式
总结：
使用python编写爬虫，我个人总结了以下的步骤：
1、分析要抓取的网址特征，以确定如何生成相关网页的网址，如果只爬取一个网页，则这一步可以省略。
2、查看网页的源码，分析自己想要爬取的内容所在的标签的特征。
3、使用正则表达式从源码中将自己想要的部分抠出来。
4、编程实现。
以上内容是针对如何使用python爬取csdn博客访问量的相关知识，希望对大家有所帮助。