Python爬虫（5）自制简单的搜索引擎

  平时我们要搜索某个东西的时候，我们往往会用到百度百科，比如搜“上海”，会出现以下页面：

百度词条 上海

  那么，我们能不能利用爬虫，自己制作一个简单的搜索引擎呢？
  Why not？！我们自作简单的搜索引擎，展示输入词条的简介部分，这样可以既减少工作量，又展示了该搜索引擎的基本原理。
  以下为笔者制作的简单的搜索引擎，实现的功能为：读取输入的词条，并输出百度百科里该词条的简介部分。

# -*- coding: utf-8 -*-
"""
Created on Fri Aug 18 15:58:13 2017
@author: JClian
"""
import re
import bs4
import urllib.request  
from bs4 import BeautifulSoup 
import urllib.parse
import sys

search_item = input("Enter what you want(Enter 'out' to exit):")
while search_item != 'out':
    if search_item == 'out':
        exit(0)
    print("please wait...")
    try:
        url = 'https://baike.baidu.com/item/'+urllib.parse.quote(search_item)
        html = urllib.request.urlopen(url)  
        content = html.read().decode('utf-8')
        html.close()
        soup = BeautifulSoup(content, "lxml")  
        text = soup.find('div', class_="lemma-summary").children
        print("search result:")
        for x in text:
            word = re.sub(re.compile(r"<(.+?)>"),'',str(x))
            words = re.sub(re.compile(r"\[(.+?)\]"),'',word)
            print(words,'\n')
    except AttributeError:
        print("Failed!Please enter more in details!")
    search_item = input("Enter what you want(Enter 'out' to exit):")

其中search_item为输入词条，进入while循环可一直搜索，当输入为'out'时退出。text为该词条的百度百科简介的网页形式，通过正则表达式将其中的文字提取出来（当然提取后的文字形式还有待美化）。如果百度百科里没有该词条，输出失败信息，并提示测试这将词条具体化些再输入。这样，百度百科有的词条，我们这个搜索引擎里也就有了响应的简介部分。
  接下来是测试时间（在Jupyter Notebook上测试）：
　　

词条 上海市

词条 南京 南京市

词条 井上真央