爬個蟲試試看

# encoding: utf-8

import urllib2,requests? #引入庫名字需要寫對治宣,如果不確定轨淌,就可以到自己的python安裝包里去確認(rèn)#下,python安裝包地址:C:\Python27\Lib\site-packages 如:C:\Python27\Lib\site-packages\bs4

from bs4 import BeautifulSoup

import os

#需要pip install urllib2,requests,beautifulsoup4,lxml? ……windows可以使用pip list查看當(dāng)前裝了哪些庫

def download(url): # 沒有偽裝的下載器

print("Downloading: %s" % url)

try:

result = urllib2.request.urlopen(url, timeout=2).read()

except urllib.error.URLError as e:

print("Downloading Error:", e.reason)

result = None

return result

def download_browser(url, headers): # 帶瀏覽器偽裝的下載器

opener = urllib2.build_opener() #偽裝瀏覽器

opener.addheaders = headers #偽裝瀏覽器header

print("Downloading: %s" % url)

try:

result = opener.open(url, timeout=2)

result = result.read()

print("Download OK!")

except urllib2.request.URLError as e:

print("Downloading error:", e.reason)

result = None

return result

# 解析首頁,獲取url

def bs_parser(html):

tree = BeautifulSoup(html, 'lxml')

#使用的lxml方式讀取震束,所以需要安裝lxml語言里和XML以及HTML工作的功能最豐富和最容易使用庫

data = tree.find('div', class_='x-sidebar-left-content').find_all('a')? #這個結(jié)構(gòu)需要到具體需要爬取的網(wǎng)頁#里去自己找。

print(data[0].attrs['href'])

urls = []

titles = []

grades = []

for item in data:

urls.append(item.attrs['href'])

titles.append(item.get_text())

return urls, titles

# 解析頁面內(nèi)容

def bs_parser_content(html):

tree = BeautifulSoup(html, 'lxml')

data = tree.find('div', class_='x-wiki-content')

# print(data)

result = data.get_text()

return result

# 首頁url

url = 'http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000'

root = 'http://www.liaoxuefeng.com'

# header一定是一個元組列表

headers = [

('Connection', 'Keep-Alive'),

('Accept', 'text/html, application/xhtml+xml, */*'),

('Accept-Language', 'en-US,en;q=0.8,zh-Hans-CN;q=0.5,zh-Hans;q=0.3'),

('User-Agent', 'Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko')

]

html = download_browser(url, headers) # 下載首頁的HTML

urls, titles = bs_parser(html) # 解析首頁的HTML当犯,返回URL和標(biāo)題

i = 0

for item,title in zip(urls, titles):

if i==5:

break

i+= 1

url=root + item

html=download_browser(url, headers) # 下載頁面html

result=bs_parser_content(html) # 解析html垢村,獲取數(shù)據(jù)

# 合成文本文件路徑

fileName=str(i)+ '_' +title.replace(r'/',' ') +'.txt'

fileName= os.path.join('Results/', fileName)

print("fileName path is %s:" %fileName)

# 將數(shù)據(jù)寫入到文本文件

with open(fileName,'w') as f:

f.write(result.encode('utf-8').strip())

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,一起剝皮案震驚了整個濱河市嚎卫,隨后出現(xiàn)的幾起案子卫键,更是在濱河造成了極大的恐慌恢口,老刑警劉巖萤晴,帶你破解...
    沈念sama閱讀 211,376評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件抠刺,死亡現(xiàn)場離奇詭異,居然都是意外死亡塞关,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 90,126評論 2 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來抚芦,“玉大人,你說我怎么就攤上這事迈螟〔媛眨” “怎么了?”我有些...
    開封第一講書人閱讀 156,966評論 0 347
  • 文/不壞的土叔 我叫張陵井联,是天一觀的道長卜壕。 經(jīng)常有香客問我,道長烙常,這世上最難降的妖魔是什么轴捎? 我笑而不...
    開封第一講書人閱讀 56,432評論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮蚕脏,結(jié)果婚禮上侦副,老公的妹妹穿的比我還像新娘。我一直安慰自己驼鞭,他們只是感情好秦驯,可當(dāng)我...
    茶點故事閱讀 65,519評論 6 385
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著挣棕,像睡著了一般译隘。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上洛心,一...
    開封第一講書人閱讀 49,792評論 1 290
  • 那天固耘,我揣著相機與錄音,去河邊找鬼词身。 笑死厅目,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的法严。 我是一名探鬼主播损敷,決...
    沈念sama閱讀 38,933評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼深啤!你這毒婦竟也來了拗馒?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,701評論 0 266
  • 序言:老撾萬榮一對情侶失蹤墓塌,失蹤者是張志新(化名)和其女友劉穎瘟忱,沒想到半個月后奥额,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,143評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡访诱,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 36,488評論 2 327
  • 正文 我和宋清朗相戀三年垫挨,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)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触菜。...
    茶點故事閱讀 38,626評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡九榔,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出涡相,到底是詐尸還是另有隱情哲泊,我是刑警寧澤,帶...
    沈念sama閱讀 34,292評論 4 329
  • 正文 年R本政府宣布催蝗,位于F島的核電站切威,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏丙号。R本人自食惡果不足惜先朦,卻給世界環(huán)境...
    茶點故事閱讀 39,896評論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望犬缨。 院中可真熱鬧喳魏,春花似錦、人聲如沸怀薛。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,742評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽枝恋。三九已至创倔,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間焚碌,已是汗流浹背三幻。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 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. 我叫王不留呐能,地道東北人。 一個月前我還...
    沈念sama閱讀 46,324評論 2 360
  • 正文 我出身青樓抑堡,卻偏偏與公主長得像摆出,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首妖,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,494評論 2 348

推薦閱讀更多精彩內(nèi)容