本文行哥爬取了整本的《盗墓笔记》来分析一下粽子的口味到底有多奇特
1.代码爬取
本文将通过小说网站http://www.daomubiji.com/来爬取整本盗墓笔记并保存,在这一过程中使用python网络库requests实现简单的python爬虫以及使用html文档分析库BeautifulSoup分析
网页爬取代码如下,可以复制粘贴直接运行
# 公众号:一行数据
from bs4 import BeautifulSoup
import requests
import re
# 获取每本书的链接
def get_book_urls(url):
book_urls = []
index = requests.get(“http://www.daomubiji.com/”)
soup = BeautifulSoup(index.content.decode(“utf8”), ‘lxml’)
articles = soup.find_all(“article”, class_=‘article-content’)
for article in articles:
links = article.find_all(‘a’, href=re.compile(“dao-mu-bi-ji”))
for link in links:
book_urls.append(link[“href”])
return book_urls
# 获取每章的链接
def get_chapter_urls(url):
chapter_urls = []
page = requests.get(url)
soup = BeautifulSoup(page.content.decode(“utf8”), “lxml”)
articles = soup.find_all(“article”, class_=“excerpt excerpt-c3”)
for article in articles:
chapter_urls.append(article.a[“href”])
return chapter_urls
# 获取每章的内容
def get_content(url):
content = “”
page = requests.get(url)
soup = BeautifulSoup(page.content.decode(“utf8”), “lxml”)
title = soup.find_all(“h1”, class_=“article-title”)[0].string
content += (“\n” + title + “\n\n”)
articles = soup.find_all(“article”, class_=“article-content”)
for article in articles:
ps = article.find_all(‘p’)
for p in ps:
for string in p.strings:
content = content + string + “\n”
return content
# 获取全本《盗墓笔记》并保存到文件
def get_article(url):
print(1)
book_urls = get_book_urls(url)
print(1)
chapter_urls = []
for url in book_urls:
print(1)
# url = “http://www.daomubiji.com/dao-mu-bi-ji-2”
chapter_urls.extend(get_chapter_urls(url))
print(chapter_urls)
result = “”
for chapter_url in chapter_urls:
content = get_content(chapter_url)
result += content
print(content)
with open(“daomubiji.txt”, “a”) as f:
f.write(result.encode(“utf8”))
如果你也是看准了Python,想自学Python,在这里为大家准备了丰厚的免费学习大礼包,带大家一起学习,给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间,但是打下坚实的基础只要几周就可以,如果你按照我提供的学习路线以及资料有意识地去实践,你就有很大可能成功!
最后祝你好运!!!
小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数初中级Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助,可以添加下面V无偿领取!(备注:python)
技术停滞不前!**
因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助,可以添加下面V无偿领取!(备注:python)
[外链图片转存中…(img-ros4EVnZ-1710877108381)]