前一阵子看了gzshun的一篇文章《自己动手编写CSDN博客备份工具-blogspider》，恰巧当时正在学习python，遂萌发了用python写一个类似的备份工具。由于当时项目太忙，导致这个想法一直被搁置到项目尾声，正好这几天bug不多，《python核心编程》基础部分也都看完了，于是就有了这个程序。 这里只记录下程序实现中遇到的问题，全部程序会上传到下载中，希望对python学习者能有所帮助。 第一个问题是http库的使用的问题，最初我选择了urllib库，因为其接口简单明确，使用起来非常方便，但是就是无法访问CSDN博客，估计是csdn blog对类似spider进行了过滤。没办法只能退而求其次使用urllib2库，指定request的headers就可以顺利访问csdn blog了。 i_headers = {"User-Agent": "Mozilla/5.0 (Windows; U; Windows NT 6.0; zh-CN; rv:1.9.1) Gecko/20090624 Firefox/3.5"}urllib2.Request(‘http://blog.csdn.net/goof’, headers=headers)page = urllib2.urlopen(req)page.read() #我的blog的主页内容 第二个问题是对字符串中特殊字符过滤问题，由于名字可能会有一些特殊字符，会导致无法创建文件或文件夹，所以必须要对字符串进行过滤。必须是对unicode的字符串的过滤。 not_letters_or_digits = u’!"#%\'()*,-./?1;<=>?@[\]^_`{|}~ \n\r’translate_table = dict((ord(char), u”) for char in not_letters_or_digits)mystring.translate(translate_table) 第三个问题是html parser，最初使用的是python自带的HTMLParser库，，结果遇到当html body过大无法处理的问题，最后选择了第三方的Beautifulsoup库，一个强大而又方便使用的库。 最后的遗憾是在对正则表达式的使用上，自己还是非常的生疏，一遍查找资料一遍测试，最终虽然勉强完成了功能，但是还是对程序的机构和效率方面不慎满意。不过这也是个好事，可以继续升级维护这个工具，让它慢慢完美！
完整程序的下载地址：
希望大家多批评指导。ps：python2.7.3beautifulsoup-3.2.1
只有不断找寻机会的人才会及时把握机会。
