Python爬虫:下载人生格言

CPU NULL 2024-08-02 17:01:02 阅读 58

Python爬虫:下载人生格言

爬取网页

在这里插入图片描述

将这些格言下载存储到本地

代码:

<code>import requests #导入requests库,用于提取网页

from lxml import etree#导入lxml库,用于Xpath数据解析

#请求头

header={

'user-agent':

'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/127.0.0.0 Safari/537.36 Edg/127.0.0.0'

}#每个浏览器的user-agent不一样,在浏览器中查找

url="http://m.3chongmen.com/renshenggeyan/162.html"#请求网址code>

res1=requests.get(url=url,headers=header).text

html=etree.HTML(res1)

title=html.xpath('//div[@class="title"]/h1/text()')[0]#数据解析,提取标题code>

content=html.xpath('//div[@class="content"]/text()')#数据解析,提取内容code>

content="".join(content)code>

print(title)

print(content)

运行结果:

在这里插入图片描述

分析:

导入requests库

requests库是第三方库,要提前安装

在这里插入图片描述

输入指令进行安装

<code>pip install requests

*导入lxml库

输入指令

pip install lxml

headers

最简单的只用加上user-agent就可以了

在这里插入图片描述

鼠标右键,选择”检查“,点击”网络“,ctrl+R刷新页面,点击第一份文件,点击”标头“,滑到最下方查找”User-Agent“,复制到pycharm中即可

数据解析Xpath

在这里插入图片描述

requets获取的源代码如图,想要的信息就在这里面,我们需要提取出来,因此就要用到Xpath进行解析,要先学习一下Xpath语法和lxml库的使用,可以在网上查找相关资料

拓展

将目录下的所有人生格言提取并保存在本地

在这里插入图片描述

代码

<code>import requests

from lxml import etree

header={

'user-agent':

'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/127.0.0.0 Safari/537.36 Edg/127.0.0.0'

}

def spider(url):

res1=requests.get(url=url,headers=header).text

html=etree.HTML(res1)

content=html.xpath('//div[@class="content"]/text()')code>

content="".join(content)code>

title=html.xpath('//div[@class="title"]/h1/text()')[0]code>

return title,content

url1="http://m.3chongmen.com/renshenggeyan"code>

res=requests.get(url=url1,headers=header).text

html=etree.HTML(res)

links=html.xpath('//ul[@class="list_cnt"]//a[@target="_blank"]/@href')code>

for link in links:

title,content=spider(link)

with open(f'格言/{ title}.txt','w',encoding='utf-8') as f:code>

f.write(title+'\n\n')

f.write(content)

运行结果:

在这里插入图片描述

在这里插入图片描述



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。