美文网首页
爬虫实战1——古诗

爬虫实战1——古诗

作者: AlexDM | 来源:发表于2017-01-12 10:07 被阅读18次

    之前在麦子学院看了黄老师关于爬虫的基础课程,自己试着练习一下,不过和黄老师的有些区别,我使用了BeautifulSoup包,等于是改写了一下黄老师的代码吧。

    以下是实现代码,直接上干货

    
    # coding:utf-8
    
    import urllib2,re
    from bs4 import BeautifulSoup
    import bs4
    
    def retrive_tangshi_300():
        url = 'http://www.gushiwen.org/gushi/tangshi.aspx'
        r = urllib2.urlopen(url)
        soup = BeautifulSoup(r.read(),'html.parser',from_encoding='utf-8')
    
        # 通过select选取标签内容、地址
        #tags = soup.select('div a')
        #for tag in tags:
        #    print tag['href']
    
        shige_list = []
        current_poem = {}
    
        tags = soup.find_all('div', class_ = "guwencont2")
        for tag in tags:
            #print tag.a['href']
            for t in tag.children:
                #print t,type(t)
                if type(t) == bs4.element.Tag:
                    pattern = re.compile(r'(.*)\((.*)\)')
                    m = pattern.match(t.string)
                    if m:
                        current_poem['url'] = t['href']
                        current_poem['title'] = m.group(1)
                        current_poem['author'] = m.group(2)
                        shige_list.append(current_poem)
                        current_poem = {}
        return shige_list
    
    
    
    if __name__ == '__main__':
        r = retrive_tangshi_300()
        print 'url: ',r[0]['url'],'\n 作者:',r[0]['author'],'\n 题目:',r[0]['title']
    

    相关文章

      网友评论

          本文标题:爬虫实战1——古诗

          本文链接:https://www.haomeiwen.com/subject/avjdbttx.html