hd2

抓取基本解釋信息 及其他字典地址

# --------------------------------------
#   抓取字典詳細信息,保存
#   保存字典其他信息網(wǎng)址
# --------------------------------------

import string
import urllib.request
import re
from bs4 import BeautifulSoup
import codecs
# 頁面地址


# 開網(wǎng)頁地址文件并抓取
def scrapt(zurl):
    print(zurl)
    req = urllib.request.Request(zurl)
    req.add_header('Referer', 'http://www.zdic.net/z/jbs/')
    req.add_header('User-Agent', 'None')
    responseb = urllib.request.urlopen(req)
    index_z = responseb.read()
# 理數(shù)據(jù)得到字典解釋及相關字典
    index_z = index_z.decode('utf8')
# 個真是無語了
# 取頁面中的信息及字頁面地址
    soup = BeautifulSoup(index_z)
    tab_raw = soup.find_all(attrs={'class' : 'tab-row'})
# 取自他字典地址
    for itemtab in tab_raw:
        zurllist = re.findall(r'/./.*?htm', str(itemtab))
        for line in zurllist:
            zurllistfile.write('http://www.zdic.net'+line+'\n')
# 數(shù)不能為疊加器

    tab_page = soup.find_all(attrs={'class':'tab-page'})
# 取字典解釋獲取解釋內(nèi)容
# 取url中的16進制代碼
    keyq = re.split(r'[/.]',zurl)[-2]
    print(keyq)
    if len(keyq)>4:
        keyq = keyq[1:]
    print(keyq)
    key = (b'\u' + keyq.encode()).decode('unicode-escape')
    print(key)
# 存字典內(nèi)容
    for tab_page_item in tab_page:
        tab_page_item['key'] = key
        type(str(tab_page_item))
        hdjbjs.write(str(tab_page_item)+'\n')
# 數(shù)不能為疊加器


hdjbjs = codecs.open("hdjibenjieshi_file", "w",'utf-8')
# 開字典數(shù)據(jù)文件
hdjbjs.write("<xml name='漢典基本解釋'>")
# 數(shù)不能為疊加器
zurllistfile = codecs.open("otherzurllist", "w",'utf-8')
# 開字典地址文件
jsurlfile = open('zdurlfile_jibenjieshizdurl','r')
# 取網(wǎng)址
a = jsurlfile.read()
b = a.split('\n')
for zurl in b:
    if len(zurl) !=0:
        scrapt(zurl)

# 出前關閉文件
zurllistfile.close()
hdjbjs.write("</xml>")
# 數(shù)不能為疊加器
hdjbjs.close()



最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末矫户,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子和泌,更是在濱河造成了極大的恐慌官撼,老刑警劉巖,帶你破解...
    沈念sama閱讀 212,294評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異褪贵,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,493評論 3 385
  • 文/潘曉璐 我一進店門脆丁,熙熙樓的掌柜王于貴愁眉苦臉地迎上來世舰,“玉大人,你說我怎么就攤上這事槽卫「梗” “怎么了?”我有些...
    開封第一講書人閱讀 157,790評論 0 348
  • 文/不壞的土叔 我叫張陵晒夹,是天一觀的道長裆馒。 經(jīng)常有香客問我,道長丐怯,這世上最難降的妖魔是什么喷好? 我笑而不...
    開封第一講書人閱讀 56,595評論 1 284
  • 正文 為了忘掉前任,我火速辦了婚禮读跷,結果婚禮上梗搅,老公的妹妹穿的比我還像新娘。我一直安慰自己效览,他們只是感情好无切,可當我...
    茶點故事閱讀 65,718評論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著丐枉,像睡著了一般哆键。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上瘦锹,一...
    開封第一講書人閱讀 49,906評論 1 290
  • 那天籍嘹,我揣著相機與錄音,去河邊找鬼弯院。 笑死辱士,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的听绳。 我是一名探鬼主播颂碘,決...
    沈念sama閱讀 39,053評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼椅挣!你這毒婦竟也來了头岔?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 37,797評論 0 268
  • 序言:老撾萬榮一對情侶失蹤贴妻,失蹤者是張志新(化名)和其女友劉穎切油,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體名惩,經(jīng)...
    沈念sama閱讀 44,250評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡澎胡,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...
    茶點故事閱讀 36,570評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片攻谁。...
    茶點故事閱讀 38,711評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡稚伍,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出戚宦,到底是詐尸還是另有隱情个曙,我是刑警寧澤,帶...
    沈念sama閱讀 34,388評論 4 332
  • 正文 年R本政府宣布受楼,位于F島的核電站垦搬,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏艳汽。R本人自食惡果不足惜猴贰,卻給世界環(huán)境...
    茶點故事閱讀 40,018評論 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望河狐。 院中可真熱鬧米绕,春花似錦、人聲如沸馋艺。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,796評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽捐祠。三九已至碱鳞,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間踱蛀,已是汗流浹背劫笙。 一陣腳步聲響...
    開封第一講書人閱讀 32,023評論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留星岗,地道東北人。 一個月前我還...
    沈念sama閱讀 46,461評論 2 360
  • 正文 我出身青樓戒洼,卻偏偏與公主長得像俏橘,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子圈浇,可洞房花燭夜當晚...
    茶點故事閱讀 43,595評論 2 350

推薦閱讀更多精彩內(nèi)容