爬个虫试试看

# encoding: utf-8

import urllib2,requests  #引入库名字需要写对,如果不确定,就可以到自己的python安装包里去确认#下,python安装包地址: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查看当前装了哪些库

def download(url): # 没有伪装的下载器

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): # 带浏览器伪装的下载器

opener = urllib2.build_opener() #伪装浏览器

opener.addheaders = headers #伪装浏览器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

# 解析首页,获取url

def bs_parser(html):

tree = BeautifulSoup(html, 'lxml')

#使用的lxml方式读取,所以需要安装lxml语言里和XML以及HTML工作的功能最丰富和最容易使用库

data = tree.find('div', class_='x-sidebar-left-content').find_all('a')  #这个结构需要到具体需要爬取的网页#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

# 解析页面内容

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

# 首页url

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

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

# header一定是一个元组列表

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) # 下载首页的HTML

urls, titles = bs_parser(html) # 解析首页的HTML,返回URL和标题

i = 0

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

if i==5:

break

i+= 1

url=root + item

html=download_browser(url, headers) # 下载页面html

result=bs_parser_content(html) # 解析html,获取数据

# 合成文本文件路径

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

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

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

# 将数据写入到文本文件

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

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

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 217,185评论 6 503
  • 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 92,652评论 3 393
  • 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 163,524评论 0 353
  • 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 58,339评论 1 293
  • 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 67,387评论 6 391
  • 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 51,287评论 1 301
  • 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 40,130评论 3 418
  • 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 38,985评论 0 275
  • 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 45,420评论 1 313
  • 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 37,617评论 3 334
  • 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 39,779评论 1 348
  • 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 35,477评论 5 345
  • 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 41,088评论 3 328
  • 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 31,716评论 0 22
  • 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 32,857评论 1 269
  • 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 47,876评论 2 370
  • 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 44,700评论 2 354

推荐阅读更多精彩内容