Python:使用request重爬Python教程

最近在使用requests库之后,简直拜服这个库啊,简直是神器。跟select方法配合使用,无往而不胜。

几个CSS tips:

  1. 如果button上有class属性的,如:
<button id="ext-eng=1026" class="x-right-button"...>

可以这样写:

css=button.x-right-button

.代表class

  1. 如果class里带的空格,用.来代替空格如:
<button class="x-btn-text module_picker_icon">...

可以这样写:

css=button.x-btn-text.module_picker_icon
  1. 如果想用别的属性值定位,用方括号【属性名=属性值】的方式,如:
<abbr>Abc<abbr/>
css=abbr[title="Abc"]
```
4. 如果button上有id属性的,如:
```
<input id="ag_name" type="text"...>
```
可以这样写:
```
css=input#ag_name 
```
或者这样
```
css=#ag_name
#代表id
```

详细分析可见[这里](http://www.jianshu.com/p/8441de1c2f03)
具体代码如下:
```
#!usr/bin/env  
# -*-coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup as BS
import os
import sys

reload(sys)
sys.setdefaultencoding('utf-8')

sub_folder = os.path.join(os.getcwd(), "liaoxuefeng")
if not os.path.exists(sub_folder):
    os.mkdir(sub_folder)

#you may not need this
proxies = {
  "http": "http://proxy.com:8080/",
  "https": "https://proxy.com:8080/",
}

domain = 'http://www.liaoxuefeng.com'
python27_url = domain + '/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000'

web_data = requests.get(python27_url, proxies=proxies)
soup = BS(web_data.text, "lxml")

link_lists = soup.select("div.x-sidebar-left-content > ul.uk-nav.uk-nav-side > li > a")

article_maps = []
for article in link_lists:
    article_maps.append(article.get("href"))

for i in range(len(article_maps)):
    url_of_each_chapter = domain + article_maps[i]
    # print url_of_each_chapter
    resp = requests.get(url=url_of_each_chapter, proxies=proxies)
    soup = BS(resp.text, "lxml")
    titles = soup.select("div.x-content > h4")

    title_of_each_chapter = ""
    for title in titles:
        title_of_each_chapter += title.get_text().decode('utf-8').replace("/", " ")
    # print title_of_each_chapter
    contents = soup.select("div.x-wiki-content > p")
    content_of_each_chapter = ""
    for content in contents:
        content_of_each_chapter += content.get_text() + "\n"
    filename = sub_folder + "\\" + str(i) + title_of_each_chapter + ".html"
    # print filename
    with open(filename, "wb") as f:
        f.write(content_of_each_chapter)
    f.close()
```
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,558评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,002评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,024评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,144评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,255评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,295评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,068评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,478评论 1 305
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,789评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,965评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,649评论 4 336
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,267评论 3 318
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,982评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,223评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,800评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,847评论 2 351

推荐阅读更多精彩内容

  • ¥开启¥ 【iAPP实现进入界面执行逐一显】 〖2017-08-25 15:22:14〗 《//首先开一个线程,因...
    小菜c阅读 6,381评论 0 17
  • 《ilua》速成开发手册3.0 官方用户交流:iApp开发交流(1) 239547050iApp开发交流(2) 1...
    叶染柒丶阅读 10,619评论 0 11
  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,644评论 18 139
  • 步韵相看不厌兄 文/以琳_ 十二疑坟障眼充,今船犹渡古遗风。 千秋迷雾千言异,万代忠魂万念同。 饕餮...
    以琳_阅读 488评论 3 26
  • 今天算是躺床上躺一天了,直接睡到10点多才起床。然后就是打一天游戏,和女朋友连着输了一下午。然后一起看了两部...
    天空蓝上阅读 153评论 0 0