Python 爬取簡書標(biāo)題內(nèi)容的源碼

很簡單地一個(gè)爬取程序路星,適合初學(xué)者

源碼如下:

from urllib.request import urlopen

from bs4 import BeautifulSoup


import pymysql


html = urlopen("http://www.reibang.com")

bsobj = BeautifulSoup(html,"html.parser")


# print(bsobj.findAll("h4",{"class":"title"}))#打印獲取的對象

SqlConnect = pymysql.connect(host = 'localhost',user = 'root',password = '123456',db = 'liusenTestURL',charset = 'utf8mb4')

cur = SqlConnect.cursor()#獲取一個(gè)游標(biāo)


#寫入數(shù)據(jù)庫函數(shù)

def writeDataBase(title,content,textURL):

    cur.execute("INSERT INTO jianshuTEXT (title,content,URL) VALUES (%s,%s,%s)", (title, content,textURL))

    cur.connection.commit()



 
#獲取內(nèi)容函數(shù)

def gainContent(contentHtml):
    contenthtml = urlopen(contentHtml)

    contentBsObj = BeautifulSoup(contenthtml,"html.parser")

    textTitle = contentBsObj.find('title').get_text()

    print('title : '+textTitle)


    print('----------------------')

    textContent = contentBsObj.find("div",{"class":"show-content"}).get_text()
    # print(textContent)

    writeDataBase(textTitle,textContent,contentHtml)





try:
    for title in bsobj.find("ul", {"class": "article-list thumbnails"}).findAll("h4", {"class": "title"}):

        # print(title.find("a"))
        if 'href' in title.find("a").attrs:
            contenthtml = 'http://www.reibang.com' + title.find("a").attrs['href']

            print(contenthtml)

            gainContent(contenthtml)




finally:
    cur.close()
    SqlConnect.close()

歡迎一起交流學(xué)習(xí)
有時(shí)候網(wǎng)頁編碼不是utf-8,這就不太好弄了.假如現(xiàn)在第三方請求庫用的是requests,那么請求下來的數(shù)據(jù)要做一個(gè)轉(zhuǎn)化過程,針對gb2312網(wǎng)頁編碼,現(xiàn)在要做如下處理,否則會(huì)中文亂碼

detailURL  = "http://xxx.xxx.xxxxxx.com/"

html = requests.session().get(detailURL, headers=headers)

jieshouText = html.text.encode('ISO-8859-1',"ignore").decode(requests.utils.get_encodings_from_content(html.text)[0],"ignore")

參考:python的requests類抓取中文頁面出現(xiàn)亂碼
http://www.zhetenga.com/view/python的requests類抓取中文頁面出現(xiàn)亂碼-0abbaa140.html

解釋很詳細(xì)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末茎毁,一起剝皮案震驚了整個(gè)濱河市切蟋,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌滚停,老刑警劉巖沃粗,帶你破解...
    沈念sama閱讀 221,820評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異键畴,居然都是意外死亡最盅,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,648評論 3 399
  • 文/潘曉璐 我一進(jìn)店門镰吵,熙熙樓的掌柜王于貴愁眉苦臉地迎上來檩禾,“玉大人,你說我怎么就攤上這事疤祭∨尾” “怎么了?”我有些...
    開封第一講書人閱讀 168,324評論 0 360
  • 文/不壞的土叔 我叫張陵勺馆,是天一觀的道長戏售。 經(jīng)常有香客問我侨核,道長,這世上最難降的妖魔是什么灌灾? 我笑而不...
    開封第一講書人閱讀 59,714評論 1 297
  • 正文 為了忘掉前任搓译,我火速辦了婚禮,結(jié)果婚禮上锋喜,老公的妹妹穿的比我還像新娘些己。我一直安慰自己,他們只是感情好嘿般,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,724評論 6 397
  • 文/花漫 我一把揭開白布段标。 她就那樣靜靜地躺著,像睡著了一般炉奴。 火紅的嫁衣襯著肌膚如雪逼庞。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,328評論 1 310
  • 那天瞻赶,我揣著相機(jī)與錄音赛糟,去河邊找鬼。 笑死砸逊,一個(gè)胖子當(dāng)著我的面吹牛璧南,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播痹兜,決...
    沈念sama閱讀 40,897評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼穆咐,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了字旭?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,804評論 0 276
  • 序言:老撾萬榮一對情侶失蹤崖叫,失蹤者是張志新(化名)和其女友劉穎遗淳,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體心傀,經(jīng)...
    沈念sama閱讀 46,345評論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡屈暗,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,431評論 3 340
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了脂男。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片养叛。...
    茶點(diǎn)故事閱讀 40,561評論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖宰翅,靈堂內(nèi)的尸體忽然破棺而出弃甥,到底是詐尸還是另有隱情,我是刑警寧澤汁讼,帶...
    沈念sama閱讀 36,238評論 5 350
  • 正文 年R本政府宣布淆攻,位于F島的核電站阔墩,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏瓶珊。R本人自食惡果不足惜啸箫,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,928評論 3 334
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望伞芹。 院中可真熱鬧忘苛,春花似錦、人聲如沸唱较。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,417評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽绊汹。三九已至稽屏,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間西乖,已是汗流浹背狐榔。 一陣腳步聲響...
    開封第一講書人閱讀 33,528評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留获雕,地道東北人薄腻。 一個(gè)月前我還...
    沈念sama閱讀 48,983評論 3 376
  • 正文 我出身青樓,卻偏偏與公主長得像届案,于是被迫代替她去往敵國和親庵楷。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,573評論 2 359

推薦閱讀更多精彩內(nèi)容