练习爬取本地网页数据

练习本地，还是自己写的，没什么含量，但还是需要记录下

爬取图片，标题，标签，内容，分数

Snip20161225_4.png

//各自的Copy_selector如下
图片：body > div.main-content > ul > li:nth-child(1) > img
标题：body > div.main-content > ul > li:nth-child(1) > div.article-info > h3 > a
内容：body > div.main-content > ul > li:nth-child(1) > div.article-info > p.description
分数：body > div.main-content > ul > li:nth-child(1) > div.rate > span
标签：body > div.main-content > ul > li:nth-child(2) > div.article-info > p.meta-info > span:nth-child(2)

代码如下：

#导入BeautifulSoup库
from  bs4 import BeautifulSoup
#空数组
dataArray = [ ]
#解析本地网页
with open('/Users/wangyi/代码练习/Python/解析网页中的元素/web/new_index.html','r') as we_data:    
  Soup = BeautifulSoup(we_data,'lxml')    
#打印解析是否成功
# print(Soup)    

# 图片    
images = Soup.select('body > div.main-content > ul > li > img')    
# 标题    
titles = Soup.select('body > div.main-content > ul > li > div.article-info > h3 > a')    

# 内容    
contents = Soup.select('body > div.main-content > ul > li > div.article-info > p.description')    
# 分数    
fractions = Soup.select('body > div.main-content > ul > li > div.rate > span')    
# 标签    
labels = Soup.select('body > div.main-content > ul > li > div.article-info > p.meta-info')    
#打印抓取到的数据
#print(images,titles,contents,fractions,labels,sep='\n=========\n')

#遍历添加到data字典里
for image,title,content,fraction,label in zip(images,titles,contents,fractions,labels):        
  data = {            
    'image' : image.get('src'),            
    'title' : title.get_text(),            
    'content' : content.get_text(),            
    'label': list(label.stripped_strings),            
    'fraction' : fraction.get_text()        
  }        
  #添加到数组中
  dataArray.append(data)    
#遍历数组
for i in dataArray:        
  #获取大于3的文章
  if float(i['fraction']) > 3:    
    #打印文章标题和内容        
    print(i['title'],'======',i['content'])