《真题中单词出现频率高到低，科学背单词法》01

一、前言：

针对高考、四六级、考研英语，爬取历年英语真题数据，进行数据分析，得到最权威的《真题单词词频表》。致力帮助没有放弃或想学好英语的人，让最疼头的背单词有趣、科学。对于听力和口语单词词频表，后面有时间也会分析整理分享给最有需要的童鞋。

用这招分数猛增！！！

二、《真题中单词出现频率高到低，科学背单词法》专题计划：

[1].考研英语历年真题数据爬取1_1、考研英语历年真题数据分析1_2

[2].英语四六级历年真题数据爬取2_1、英语四六级历年真题数据爬取2_2

[3].高考英语历年真题数据爬取3_1、高考英语历年真题数据分析3_2

三、今天主题：英语四六级历年真题数据爬取2_1

（1）数据爬取前闲聊

1.1 目标网址：http://www.xsfanwen.com/

1. 主网站页面

1.2 CET4真题：http://www.xsfanwen.com/Class/sijixiazai/sijixiazai01.html

                            http://www.xsfanwen.com/Class/sijixiazai/sijixiazai02.html

2. cet4下载列表页面

1.3 CET6真题：http://www.xsfanwen.com/Class/liujixiazai/liujixiazai01.html

                          http://www.xsfanwen.com/Class/liujixiazai/liujixiazai02.html

3. cet6下载列表页面

（2）查看网站代码分析

2.1 cet4真题下载链接页面

分析结果：下载链接全包含在id="clickeye_content"的DIV标签里面

1. cet4真题下载链接分析页面

2.2 cet6真题下载链接页面

分析结果：下载链接全包含在id="clickeye_content"的DIV标签里面

2. cet6真题下载链接分析页面

2.3 cet4真题内容展示页面

分析结果：真题内容全包含在id="Ad"的DIV标签里面

3. cet4真题内容分析页面

2.4 cet6真题内容展示页面

分析结果：真题内容全包含在id="Ad"的DIV标签里面

4. cet6真题内容分析页面

（3）分析清楚了，上代码（顺带说下思路：获取网页-->解析得真题下载链接-->获取真题内容网页-->解析得内容-->保存为文件-->大功告成！）

所有代码

四、结果展示

1.内容展示 2.四级目录 3.六级目录

五、闲聊

[1].代码截止2019-03-07调试无误。

[2].下一篇将今天爬取的所有真题数据，做数据分析-->得出词频排序表。

找对方法努力，才是越努力越幸运！

让知识或技术实现其最大的价值，欢迎收藏自用、转载分享，转载请注明原文出处，谢谢！