1. 发现科大网页的源码中还有文章的点击率，何不做一个文章点击率的降序排行。简单，前面入门（1）基本已经完成我们所要的功能了，本篇我们仅仅需要添加：一个通过正则获取文章点击率的数字；再加一个根据该数字的插入排序。ok，大功告成！
2. 简单说一下本文插入排序的第一个循环，找到列表中最大的数，放到列表 0 的位置做观察哨。
3. 上代码：
   # -*- coding: utf-8 -*-# 程序：爬取点击排名前十的科大热点新闻# 版本：0.1# 时间：2014.06.30# 语言：python 2.7#---------------------------------import string,urllib2,re,sys#解决这个错误：UnicodeEncodeError: 'ascii' codec can't encode characters in position 32-34: ordinal not in range(128)reload(sys)sys.setdefaultencoding('utf-8')class USTL_Spider:    def __init__(self,url,num=10):        self.myUrl=url        #存放获取的标题和网址        self.datas=[]        self.num=num        print 'The Spider is Starting!'    def ustl_start(self):        myPage=urllib2.urlopen(self.myUrl+'.html').read().decode('gb2312')        if myPage==None:            print 'No such is needed!'            return        #首先获得总的页数        endPage=self.find_endPage(myPage)        if endPage==0:            return        #处理第一页的数据        self.deal_data(myPage)        #处理除第一页之外的所有数据        self.save_data(self.myUrl,endPage)    #获取总的页数    def find_endPage(self,myPage):        #找到网页源码中带有尾页的一行。eg: >8 xxxxx title="尾页"        #匹配中文，需要utf-8格式，并且变成ur''。        #.*?：非贪婪匹配任意项        #re.S：正则表达式的 . 可以匹配换行符        myMatch=re.search(ur'>8(.*?)title="尾页"',myPage,re.S)        endPage=0        if myMatch:            #找到带尾页行中的数字。eg：xxxx_ NUM .html            endPage=int(re.match(r'(.*?)_(\d+).html',myMatch.group(1),re.S).group(2))        else:            print 'Cant get endPage!'        return endPage    #将列表中元组依次写入到我的d盘tests文件夹sort_ustl.txt文件上    def save_data(self,url,endPage):        self.get_data(url,endPage)        f=open("d:\\tests\\sort_ustl.txt",'w')        for item in self.datas:            f.write(item[1]+', '+item[0])        f.close()        print 'Over!'    #提取每个网页    def get_data(self,url,endPage):        for i in range(2,endPage+1):            print 'Now the spider is crawling the %d page...' % i            #字符串做decode时候，加'ignore'忽略非法字符            myPage=urllib2.urlopen(self.myUrl+'_'+str(i)+'.html').read().decode('gb2312','ignore')            if myPage==None:                print 'No such is needed!'                return            self.deal_data(myPage)    #获得我们想要的字符串，追加到datas中    def deal_data(self,myPage):        #这里我们想要的是文章标题，网址和点击率。将（标题网址，点击率）元组添加到datas列表中，对datas进行插入排序        myItems=re.findall(r'.*?href="(.*?)">(.*?).*?class=textthick2> (\d+)',myPage,re.S)        for site,title,click in myItems:                self.datas.append(('%s :%5swww.ustl.edu.cn%s\n' %(title,' ',site),click))        self.insert_sort()    #插入排序，只需要点击排名前self.num(默认是10)的文章。    def insert_sort(self):        for i in range(len(self.datas)-1,0,-1):            if int(self.datas[i][1])>int(self.datas[i-1][1]):                tmp=self.datas[i]                self.datas[i]=self.datas[i-1]                self.datas[i-1]=tmp        for i in range(2,len(self.datas)):            v=self.datas[i]            j=i            while int(v[1])>int(self.datas[j-1][1]):                self.datas[j]=self.datas[j-1]                j-=1            self.datas[j]=v        del self.datas[self.num:len(self.datas)]        #我们需要爬取的网页ustl=USTL_Spider('http://www.ustl.edu.cn/news/news/RDXW')#ustl=USTL_Spider('http://www.ustl.edu.cn/news/news/ZHXX')ustl.ustl_start()

   不足：我想当第一页运行过插入排序后，在其他页进行插入之前，可以直接将小于已排序列表中最后一个元素的元素直接pass，不必在放到datas中。

4. 结果截图：
5. 参考资料：

　　　　1.python list的方法你需要看看吧：

http://www.cnblogs.com/zhengyuxin/articles/1938300.html

　　　　2.python 默认参数值（主要是这本书挺好的，薄薄薄薄薄薄。。）：

　　　　

http://woodpecker.org.cn/abyteofpython_cn/chinese/ch07s04.html