Python爬虫实现

项目需要,需要爬一个网站的信息

话不多说,直接上代码

import requests
from bs4 import BeautifulSoup
from urllib.request import urlopen
import re

url = "xx" # 特殊原因,保密
res = urlopen(url).read()
soup = BeautifulSoup(res, 'html.parser')
# 得到具体的item信息,根据具体的标签分析所想爬取的内容所在的标签
items = soup.find_all(name='li', attrs={'id': re.compile(r"^item-(\s\w+)?")})
all_content = []
page_num = 20  # 这里网页总数是固定的,直接定死
for page_index in range(page_num):
    base_url = url + '/page/' + str(page_index)  # 遍历每页网页
    for item in items:
        print("new item")
        sub_url = item.find_all('a')[0].attrs['href']  # 找到item所在的具体页面
        sub_res = urlopen(sub_url)
    #     print('sub_url:', sub_url)
        sub_soup = BeautifulSoup(sub_res, 'html.parser')
        info_text = sub_soup.find_all(name='div', attrs={'class':  re.compile(r"^entry-content(\s\w+)?")})[0].get_text()  # 找到具体的信息
    #     print('info:', info_text)
        address = info_text.split('地址:')[1].split('\n')[0]
        district = address.split('北京')[1].split('区')[0]
        telephone = info_text.split('电话:')[1].split('\n')[0]
        print("地址:{}, 区:{}, 电话:{}, ".format(address, district, telephone))
        all_content.append({'address': address, 'district': district ,'telephone': telephone})

  • 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