python+selenium抓取网页新闻列表元素,保存到excel文档中

python+selenium:抓取网页新闻列表元素,并记录标题和链接地址,保存到excel文档中

#!/usr/local/bin/python3
# !python3.9
# -*- coding: UTF-8 -*-
'''
@File:xwzx1.py
@Time:2021-09-09 18:32
@Author:user
抓取网页新闻列表元素,并记录标题和链接地址,保存到excel文档中
'''
from selenium import webdriver
from os.path import join
import os
import sys
from time import strftime
from time import sleep
import xlrd
import xlwt

excel_dir=os.path.dirname(os.path.abspath(__file__))
now_time=strftime("%Y-%m-%d-%H-%M")


class text_xwzx():
    def __init__(self):

        self.url="http://www.sinopecgroup.com/group/xwzx/"
        self.filename=now_time+".xls"
        self.path=join(excel_dir,'data/')

    def getUTitle(self,driver,excel,row=0,col=0,rowlen=0):

        # 先找到ul->li,再找li->span.title->a,根据标签<a>属性,得到title和url
        ul = driver.find_element_by_css_selector("ul.w_newslistpage_list")
        atitles = ul.find_elements_by_css_selector("li>span.title>a")

        for title in atitles:
            atitle = title.text
            aurl = title.get_attribute("href")
            #当有分页时,先取得第一页的列表数量,作为第二页的开始,依次小于当前页列表的总数量
            #思路:1)当为首页时,row从0到列表总数;若为第二/三/四页时,把首页列表总数量,做为开始数,遍历当前页列表的总数;
            if(rowlen >= len(atitles)):
                row += 1
            else:
                row += 1

            excel.write(row, col, atitle)
            excel.write(row, col+1, aurl)
        return row

    def nextPage(self,driver):
        nextpage = driver.find_element_by_link_text("下一页")
        nextpage.click()
        sleep(10)

    def getData(self,modular):
        driver = webdriver.Chrome()
        driver.get(self.url+modular)
        sleep(10)

        #使用xlwt模块操作Excel的方法
        book = xlwt.Workbook(encoding = 'utf-8')
        # 先创建一个worksheet
        sh = book.add_sheet(modular)
        xwzx=text_xwzx()
        # 写入excel
        # 参数对应 row-行, col-列, 值
        rowlen=xwzx.getUTitle(driver,sh)

        print("rowlen=" , rowlen)
        xwzx.nextPage(driver)
        rowlen3=xwzx.getUTitle(driver,sh,rowlen,0,rowlen)
        print("rowlen3=" , rowlen3)
        xwzx.nextPage(driver)
        rowlen4=xwzx.getUTitle(driver, sh, rowlen3, 0, rowlen3)

        print("rowlen4=" , rowlen4)


        path_xls = self.path+self.filename
        print(path_xls)
        #保存文件,文件给文件一个名字
        book.save(path_xls)

if __name__ == '__main__':
    data=text_xwzx()
    data.getData('dqgz')

 

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