美文网首页
爬个虫试试看

爬个虫试试看

作者: Happy2009_study | 来源:发表于2017-10-13 16:11 被阅读0次

# encoding: utf-8

import urllib2,requests  #引入库名字需要写对,如果不确定,就可以到自己的python安装包里去确认#下,python安装包地址:C:\Python27\Lib\site-packages 如:C:\Python27\Lib\site-packages\bs4

from bs4 import BeautifulSoup

import os

#需要pip install urllib2,requests,beautifulsoup4,lxml  ……windows可以使用pip list查看当前装了哪些库

def download(url): # 没有伪装的下载器

print("Downloading: %s" % url)

try:

result = urllib2.request.urlopen(url, timeout=2).read()

except urllib.error.URLError as e:

print("Downloading Error:", e.reason)

result = None

return result

def download_browser(url, headers): # 带浏览器伪装的下载器

opener = urllib2.build_opener() #伪装浏览器

opener.addheaders = headers #伪装浏览器header

print("Downloading: %s" % url)

try:

result = opener.open(url, timeout=2)

result = result.read()

print("Download OK!")

except urllib2.request.URLError as e:

print("Downloading error:", e.reason)

result = None

return result

# 解析首页,获取url

def bs_parser(html):

tree = BeautifulSoup(html, 'lxml')

#使用的lxml方式读取,所以需要安装lxml语言里和XML以及HTML工作的功能最丰富和最容易使用库

data = tree.find('div', class_='x-sidebar-left-content').find_all('a')  #这个结构需要到具体需要爬取的网页#里去自己找。

print(data[0].attrs['href'])

urls = []

titles = []

grades = []

for item in data:

urls.append(item.attrs['href'])

titles.append(item.get_text())

return urls, titles

# 解析页面内容

def bs_parser_content(html):

tree = BeautifulSoup(html, 'lxml')

data = tree.find('div', class_='x-wiki-content')

# print(data)

result = data.get_text()

return result

# 首页url

url = 'http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000'

root = 'http://www.liaoxuefeng.com'

# header一定是一个元组列表

headers = [

('Connection', 'Keep-Alive'),

('Accept', 'text/html, application/xhtml+xml, */*'),

('Accept-Language', 'en-US,en;q=0.8,zh-Hans-CN;q=0.5,zh-Hans;q=0.3'),

('User-Agent', 'Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko')

]

html = download_browser(url, headers) # 下载首页的HTML

urls, titles = bs_parser(html) # 解析首页的HTML,返回URL和标题

i = 0

for item,title in zip(urls, titles):

if i==5:

break

i+= 1

url=root + item

html=download_browser(url, headers) # 下载页面html

result=bs_parser_content(html) # 解析html,获取数据

# 合成文本文件路径

fileName=str(i)+ '_' +title.replace(r'/',' ') +'.txt'

fileName= os.path.join('Results/', fileName)

print("fileName path is %s:" %fileName)

# 将数据写入到文本文件

with open(fileName,'w') as f:

f.write(result.encode('utf-8').strip())

相关文章

  • 爬个虫试试看

    # encoding: utf-8 import urllib2,requests #引入库名字需要写对,如果不...

  • 5W2H,帮助你梳理B端产品业务流程(来源于网络)

    爬网口水虫 作者:爬网口水虫 全文共 4005 字 4 图,阅读需要 8 分钟 ———— / BEGIN / ——...

  • 梦两则

    一、水虫精 水下有个狭长的洞,爬进了一只水虫精,我用全知的眼睛看着它,居然像是爬进我的阴道里一样有...

  • 我认识一个女孩,她说她的名字叫虫

    我认识了一个女孩,她说她的名字叫虫。然后我问她,是树上爬的虫,还是地底里钻洞的虫。她说,是化茧成蝶那条虫。 听她这...

  • 当爱情可以理论,它还是爱情吗?

    我认识了一个女孩,她说她的名字叫虫。然后我问她,是树上爬的虫,还是地底里钻洞的虫。她说,是化茧成蝶那条虫。 听她这...

  • 童趣

    一个小虫,一群小娃 虫爬,娃娃们走 一说虫咬人 一说虫有毒 一说虫可以变蝴蝶 争论声此起彼伏 半个小时后仍然没有结...

  • 走近昆虫系列(1)

    百足虫,爬的快;出来遛,太阳晒。

  • What we have to fear, is fear it

    两个月前,抱石左侧髂后上棘和腰伤了,一直没有痊愈,都不敢再抱石,只敢爬爬树爬爬栏杆。 今天到大都,想试试看。先在最...

  • 你的虚荣,干嘛让孩子背锅?

    刚刚下过雨的地上有很多西瓜虫, 贝贝捡了地上的小树枝轻轻地碰一下西瓜虫 正在爬的西瓜虫马上缩成一个小球 贝贝对着“...

  • 莫名其妙爬了个虫

    话说领导和研发部门终于想起来之前还有个压缩机选型软件开发到一半,前两天领导吩咐把剩下的功能做完。这可不,直接开干!...

网友评论

      本文标题:爬个虫试试看

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