• Python爬虫爬取中国古诗词网上的名句


    运行截图:

     1 import requests
     2 from lxml import etree
     3 from urllib import request
     4 
     5 # 全局变量(请求头+文件IO对象)
     6 headers = {
     7     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.83 Safari/537.36 Edg/85.0.564.44'}
     8 file=open('./古诗名句.txt','w',encoding='utf-8')
     9 
    10 
    11 # 采集前端源码
    12 def index():
    13     for num in range(1, 12):
    14         base_url = 'https://so.gushiwen.cn/mingju/default.aspx?p={}&c=&t='.format(num)  # 网站翻页
    15         print('正在写入', base_url, '中的数据信息...')
    16         response = requests.get(base_url, headers=headers)  # 模拟访问+请求头
    17         response.encoding = 'utf-8'  # 解码
    18         html = response.text  # 获取源码
    19         clean(html)  # 清洗数据
    20 
    21 
    22 # 清洗数据
    23 def clean(html):
    24     htmls=etree.HTML(html)#预处理
    25     #xpath守则
    26     Mingjus_urls=htmls.xpath('//div[@class="cont"]/a[1]/@href')#名句网址(待处理)
    27     #print(Mingjus_urls)
    28     Mingjus=htmls.xpath('//div[@class="cont"]/a[1]/text()')#名句
    29     #print(Mingjus)
    30     Poem_titles=htmls.xpath('//div[@class="cont"]/a[2]/text()')
    31     #print(Poem_titles)
    32     sto(Mingjus_urls,Mingjus,Poem_titles)
    33 
    34 # 打印数据
    35 def sto(Mingjus_urls,Mingjus,Poem_titles):
    36     for M,Mingju,Poem_title in zip(Mingjus_urls,Mingjus,Poem_titles):
    37         #拼接网址
    38         Mingju_url='https://so.gushiwen.cn/'+M
    39         #整合数据信息
    40         full_info=Mingju+'	'+Poem_title+'
    '+'名句网址:'+Mingju_url
    41         #写入文件
    42         file.write(full_info+'
    ')
    43 
    44 if __name__ == '__main__':
    45     index()
    46     file.close()
    View Code
  • 相关阅读:
    centos networkmanager 和 network配置冲突
    Struts ajax json重新整理
    Struts2 ajax json小例子
    (转)json-lib 的maven dependency
    Struts2文件下载
    jQuery自定义滚动条插件mCustomScrollbar
    Struts2自定义拦截器
    Spring的自动装配在session监听器失效
    mysql 分组+排序+限定
    mysql触发器
  • 原文地址:https://www.cnblogs.com/Aoke/p/13609032.html
Copyright © 2020-2023  润新知