最近正在做爬虫系列的东西,也是刚刚开始写,写的也不怎么样.....
下面是我写的爬取中药材基本信息库的代码,还请大家多多指导。
首先先看网页,刚开始的时候,</p>中的信息无法读出来,导致后面的信息也读不出来,所以下面就改了一下网址的源码。
然后,信息与信息之间的分割应该是空白符(原来我一直以为是换行符,多亏有大神指导!),
所以代码为:
#coding=utf-8
from bs4 import BeautifulSoup
import urllib2
import re
import time
class ZYC():
def __init__(self):
#伪装成浏览器访问,适用于拒绝爬虫的网站
self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 5.1) AppleWeb