使用BeautifulSoup和requests进行爬虫

因为课题研究需要搜集出版社名称,国外的出版社名称我打算从一个网站上获得。一共有223页,除最后一页外,其他每一页都是有10个出版社名称。Fn+F12,找到出版社名称所在的位置。然后开始进行编程!

直接上代码。

# coding:utf-8

import os
import requests
from bs4 import BeautifulSoup


def getinfo(soup):
    names = []
    name = soup.select('.item-name')
    print(len(name))
    for x in range(0, 8):
        score = name[x].get_text()
        names.append(score)
    pages = soup.select('.page-link')
    page = pages[len(pages) - 2]['href']
    x, page = os.path.split(page)
    return names, page

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36'}  # 请求头
page = ''
url = "https://www.publishersglobal.com/directory/media/book-publishers/"
while True:
    ret = requests.get(url+page, headers=headers)
    soup = BeautifulSoup(ret.text, 'lxml')
    names, page = getinfo(soup)
    print(page)
    with open('F:/Experiment/scrapy/test.txt', 'a', encoding='utf-8') as f:
        for name in names:
            f.write(str(name)+'\n')
    if 'Next' not in ret.text:  # 下一页不在就表示下载完毕
        print('所有出版社名称下载完毕')
        break

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值